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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2016-03-29 09:00
[ポスター講演]ノンパラメトリックベイズモデルに基づくスパースカーネル回帰
小島惇史安富 優田中聡久東京農工大
技報オンラインサービス実施中
抄録 (和) 一般に回帰モデルにおいて適切なモデルの選択は困難な問題である.カーネル法を用いたカーネル回帰モデルは,観測した入力信号に対応するカーネルの線形和で表されるため,入力信号の増加に伴いパラメータの次元が増加する.したがって,過学習が起きやすく,適切なモデル選択が非常に重要である.本稿では,カーネル回帰モデルにノンパラメトリックベイズモデル(NBM)を適用することで,スパースな重み係数ベクトルを推定する手法を提案する.重み係数ベクトルのスパース性を表現するために,すべての要素が$0$か$1$かであるバイナリベクトルを導入する.そのバイナリベクトルと重み係数ベクトルの要素積を新たな重み係数として,ベータ過程を用いてカーネル回帰モデルを定式化する.ギブスサンプリングによりバイナリベクトルの事後分布を推定し,それに基づきスパースな重み係数ベクトルを推定する.計算機実験により提案手法の有効性を示す. 
(英) In general, one of major challenges in regression analysis is how to select an appropriate model. As the number of observed input signals increases, a dimension of parameters is increased because a kernel regression model using a kernel method is represented by linear sum of kernel functions corresponding to input signals. Hence, the model is likely to overfit, so the appropriate model selection is very crucial. In this paper, we propose a method to estimate a sparse weight coefficient vector by applying nonparametric Bayesian models (NBM) to the kernel regression model. In order to express a sparsity of the weight coefficient vector, we introduce a binary vector that all the elements is 0 or 1. Numerical examples support the efficacy of our proposed method.
キーワード (和) スパースカーネル回帰 / ベータ過程 / ノンパラメトリックベイズモデル / / / / /  
(英) sparse kernel regression / beta process / nonparametric Bayesian models / / / / /  
文献情報 信学技報, vol. 115, no. 522, SIP2015-175, pp. 335-340, 2016年3月.
資料番号 SIP2015-175 
発行日 2016-03-21 (EA, SIP, SP) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 EA SP SIP  
開催期間 2016-03-28 - 2016-03-29 
開催地(和) 別府国際コンベンションセンター B-ConPlaza 
開催地(英) Beppu International Convention Center B-ConPlaza 
テーマ(和) 応用/電気音響,音声,信号処理,一般 
テーマ(英) Engineering/Electro Acoustics, Speech, Signal Processing, and Related Topics 
講演論文情報の詳細
申込み研究会 SIP 
会議コード 2016-03-EA-SP-SIP 
本文の言語 日本語 
タイトル(和) ノンパラメトリックベイズモデルに基づくスパースカーネル回帰 
サブタイトル(和)  
タイトル(英) Sparse Kernel Regression Based on Nonparametric Bayesian Model 
サブタイトル(英)  
キーワード(1)(和/英) スパースカーネル回帰 / sparse kernel regression  
キーワード(2)(和/英) ベータ過程 / beta process  
キーワード(3)(和/英) ノンパラメトリックベイズモデル / nonparametric Bayesian models  
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) 小島 惇史 / Atsushi Kojima / コジマ アツシ
第1著者 所属(和/英) 東京農工大学 (略称: 東京農工大)
Tokyo University of Agriculture and Technology (略称: TUAT)
第2著者 氏名(和/英/ヨミ) 安富 優 / Suguru Yasutomi / ヤストミ スグル
第2著者 所属(和/英) 東京農工大学 (略称: 東京農工大)
Tokyo University of Agriculture and Technology (略称: TUAT)
第3著者 氏名(和/英/ヨミ) 田中 聡久 / Toshihisa Tanaka / タナカ トシヒサ
第3著者 所属(和/英) 東京農工大学 (略称: 東京農工大)
Tokyo University of Agriculture and Technology (略称: TUAT)
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
発表日時 2016-03-29 09:00:00 
発表時間 90 
申込先研究会 SIP 
資料番号 IEICE-EA2015-126,IEICE-SIP2015-175,IEICE-SP2015-154 
巻番号(vol) IEICE-115 
号番号(no) no.521(EA), no.522(SIP), no.523(SP) 
ページ範囲 pp.335-340 
ページ数 IEICE-6 
発行日 IEICE-EA-2016-03-21,IEICE-SIP-2016-03-21,IEICE-SP-2016-03-21 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会