講演抄録/キーワード |
講演名 |
2014-07-25 14:20
[招待講演]カーネル法によるベイズ推論とその応用 ○福水健次(統計数理研) SP2014-69 |
抄録 |
(和) |
カーネル法を用いた統計的推論の方法として,確率分布を再生核ヒルベルト空間上の特徴ベクトルの平均によって表現する「カーネル平均埋め込み」という方法が開発されており,独立性検定など確率分布に関するさまざま推論問題に対してカーネル法による新しいアプローチが研究されている.本講演では,カーネル平均埋め込みの枠組みによってベイズ推論を実現する新しい方法「カーネルベイズ推論」を紹介する.この方法は,事前確率や条件付き確率の情報をすべてデータによって表現し,グラム行列による行列計算によって事後確率のカーネル平均を計算する.ベイズ推論に通常必要とされる積分の近似計算を必要としない.カーネルベイズ推論を用いると,妥当なパラメトリックモデルを想定するのが難しいような状況でもデータ駆動のベイズ推論が可能となる.応用として,ビデオ画像からのロボットの位置推定問題を,状態空間モデルによるフィルタリング問題として定式化し,カーネルベイズ推論を適用した例を紹介する. |
(英) |
As a kernel framework for statsitical inference, "kernel mean embedding" has been recently developed, in which probability distributions are represented by the means of feature vectors on reproducing kernel Hilbert spaces. This framework has been applied to various nonparametric inference problems such as independence tests.
In this presentation, "kernel Bayesian inference", a novel method for realizing Bayesisn inference, is introduced with the framework of kernel mean embedding. The kernel Bayesian inference provides a way of computing the kernel mean of posterior with Gram matrix operations, given the kernel mean expression of prior and conditional probability. Unlike the standard methods for Bayesian inference, no numerical integrals are needed. The kernel Bayesian inference enables us to conduct data-driven Bayesian inference in problems where it is difficult to assume an appropriate parametric model. As an application, vision-based robot localization is shown, where the kernel Bayesian inference is applied to the filtering in a state-space model. |
キーワード |
(和) |
ベイズ則 / カーネル法 / ノンパラメトリック推論 / / / / / |
(英) |
Bayes' rule / kernel method / nonparametric inference / / / / / |
文献情報 |
信学技報, vol. 114, no. 151, SP2014-69, pp. 37-40, 2014年7月. |
資料番号 |
SP2014-69 |
発行日 |
2014-07-17 (SP) |
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 |
SP2014-69 |
研究会情報 |
研究会 |
SP IPSJ-SLP |
開催期間 |
2014-07-24 - 2014-07-26 |
開催地(和) |
ホテル花巻 |
開催地(英) |
Hotel Hanamaki |
テーマ(和) |
認識,理解,対話,一般 |
テーマ(英) |
Speech recognition and understanding, dialog system, etc. |
講演論文情報の詳細 |
申込み研究会 |
SP |
会議コード |
2014-07-SP-SLP |
本文の言語 |
日本語 |
タイトル(和) |
カーネル法によるベイズ推論とその応用 |
サブタイトル(和) |
|
タイトル(英) |
Karnel method for Bayesian inference and its applications |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ベイズ則 / Bayes' rule |
キーワード(2)(和/英) |
カーネル法 / kernel method |
キーワード(3)(和/英) |
ノンパラメトリック推論 / nonparametric inference |
キーワード(4)(和/英) |
/ |
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) |
福水 健次 / Kenji Fukumizu / フクミズ ケンジ |
第1著者 所属(和/英) |
統計数理研究所 (略称: 統計数理研)
The Institute of Statistical Mathematics (略称: ISM) |
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: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2014-07-25 14:20:00 |
発表時間 |
60分 |
申込先研究会 |
SP |
資料番号 |
SP2014-69 |
巻番号(vol) |
vol.114 |
号番号(no) |
no.151 |
ページ範囲 |
pp.37-40 |
ページ数 |
4 |
発行日 |
2014-07-17 (SP) |
|