| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2010-03-10 13:45 ベイズ推論における事後確率分布の構造について ○伊達 章（宮崎大）  NC2009-136 |
|
| 抄録 | （和） | 画像，音声，自然言語，塩基配列などの大規模データに対し，確率モデルを構築し，認識，予測など確率推論を行なうことが，計算機性能の急速な向上に伴い可能になってきた．ベイズ推論の本質の一つは，データを観測した後の事後確率分布の利用にあるが，その分布の構造については不明な点が多い．一般的な議論は難しいが，分布が奇妙な構造をもつことは十分考えられる．本研究では，事後確率分布から多数のサンプルを生成することで，事後確率分布の構造を反映した推定量を求めることを試みる．単純な隠れマルコフモデルを用いて計算機実験をおこなった結果をもとに，その有効性を議論する． |
| （英） | Probabilistic generative models work in many applications of image analysis and speech recognition. In general, there is an observation vector $\by$ and a state vector $\bx$, and a joint dependency structure among them. The object of interest is, given $\by$, the most meaningful configuration $\bx$ and the posterior distribution $\Pr(\bx|\by)$. In practice, the structure of the posterior distribution $\Pr(\bx|\by)$ is hard to know, and it might have a peculiar structure, especially when $\bx$ is high dimensional vector, Here we present a method which finds a meaningful estimator by generating a large number of samples from posterior distribution. We performed computer experiments of simple hidden Markov models in which the various functions of the posterior probability distribution is obtainable. Based on the experiments, the effectiveness of the method will be discussed. |
|
| キーワード | （和） | 確率推論 / 隠れマルコフモデル / 事後確率分布 / 依存性グラフ / / / / |
| （英） | probabilistic inference / hidden Markov model / posterior probability distribution / dependency graph / / / / | |
| 文献情報 | 信学技報, vol. 109, no. 461, NC2009-136, pp. 285-290, 2010年3月. | |
| 資料番号 | NC2009-136 | |
| 発行日 | 2010-03-02 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2009-136 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2010-03-09 - 2010-03-11 |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa University |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2010-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | ベイズ推論における事後確率分布の構造について |
| サブタイトル（和） | |
| タイトル（英） | On the structure of the posterior probability distribution in Bayesian inference |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 確率推論 / probabilistic inference |
| キーワード(2)（和/英） | 隠れマルコフモデル / hidden Markov model |
| キーワード(3)（和/英） | 事後確率分布 / posterior probability distribution |
| キーワード(4)（和/英） | 依存性グラフ / dependency graph |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 伊達 章 / Akira Date / ダテ アキラ |
| 第1著者 所属（和/英） | 宮崎大学 (略称： 宮崎大) University of Miyazaki (略称： Univ. of Miyazaki) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2010-03-10 13:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2009-136 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | no.461 |
| ページ範囲 | pp.285-290 |
| ページ数 | 6 |
| 発行日 | 2010-03-02 (NC) |
[研究会発表申込システムのトップページに戻る]