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 2017-11-10 13:00
[ポスター講演]対数線形モデルの学習におけるL1正則化後の最尤推定の効果
高畠一哉赤穂昭太郎産総研
技報オンラインサービス実施中
抄録 (和) $L_1$正則化には2つの機能がある.1つはパラメータ削減による構造学習,もう1つは残ったパラメータを観測データに合わせて調節するパラメータ学習である.
通常の$L_1$正則化はこの2つの機能を同時にこなす.
ここでまず$L_1$正則化による構造学習で残すパラメータを決め,その後のパラメータ学習を最尤推定により行うオプションが考えられる.
本論文ではいくつかの対数線形モデルの学習にこのオプションと元々の$L_1$正則化を使った場合の性能比較を行う.
理論的考察による比較と数値実験による比較を示す. 
(英) $L_1$ regularization has two functions.
One function is the structure learning by parameter reduction, and another function is parameter learning that adjusts the remaining parameters to meet the observed data.
Ordinary $L_1$ regularization simultaneously performs these two functions.
Here, one possible option is that we firstly use $L_1$ regularization only for the structure learning and determines the remaining parameters, and then use maximum likelihood estimation for the parameter learning.
In this paper, we make performance comparisons between this option and the original $L_1$ regularization in the case that we use them in learning some log-linear models.
Comparisons by theoretical considerations and by numerical results are shown.
キーワード (和) L1正則化 / 構造学習 / パラメータ学習 / 最尤推定 / / / /  
(英) L1 regularization / structure learning / parameter learning / maximum likelihood estimation / / / /  
文献情報 信学技報, vol. 117, no. 293, IBISML2017-86, pp. 369-375, 2017年11月.
資料番号 IBISML2017-86 
発行日 2017-11-02 (IBISML) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 IBISML  
開催期間 2017-11-08 - 2017-11-10 
開催地(和) 東京大学 
開催地(英) Univ. of Tokyo 
テーマ(和) 情報論的学習理論ワークショップ (IBIS2017) 
テーマ(英) Information-Based Induction Science Workshop (IBIS2017) 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2017-11-IBISML 
本文の言語 日本語 
タイトル(和) 対数線形モデルの学習におけるL1正則化後の最尤推定の効果 
サブタイトル(和)  
タイトル(英) Effect of maximum likelihood estimation after L1 regularization in learning of log-linear models 
サブタイトル(英)  
キーワード(1)(和/英) L1正則化 / L1 regularization  
キーワード(2)(和/英) 構造学習 / structure learning  
キーワード(3)(和/英) パラメータ学習 / parameter learning  
キーワード(4)(和/英) 最尤推定 / maximum likelihood estimation  
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) 高畠 一哉 / Kazuya Takabatake / タカバタケ カズヤ
第1著者 所属(和/英) 産業技術総合研究所 (略称: 産総研)
Advanced Industrial Science and Technoloty (略称: AIST)
第2著者 氏名(和/英/ヨミ) 赤穂 昭太郎 / Shotaro Akaho / アカホ ショウタロウ
第2著者 所属(和/英) 産業技術総合研究所 (略称: 産総研)
Advanced Industrial Science and Technoloty (略称: AIST)
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
発表日時 2017-11-10 13:00:00 
発表時間 150 
申込先研究会 IBISML 
資料番号 IEICE-IBISML2017-86 
巻番号(vol) IEICE-117 
号番号(no) no.293 
ページ範囲 pp.369-375 
ページ数 IEICE-7 
発行日 IEICE-IBISML-2017-11-02 


[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