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) EA2015-126 SIP2015-175 SP2015-154 |
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 |
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 |
EA2015-126 SIP2015-175 SP2015-154 |
|