| 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 | 2018-11-05 15:10 ［ポスター講演］混合正規分布モデルにおけるベイズ推定と変分ベイズ推定の比較 ○中山智文・藤井直樹（東大）・永田賢二（産総研/JSTさきがけ）・岡田真人（東大）  IBISML2018-82 |
|
| 抄録 | （和） | 混合正規分布モデル (Gaussain Mixture Model, GMM) では，推定法の一つとしてベイズ推定があげられ るが，解析計算が困難であるため，近似手法である変分ベイズ推定が提案されている.先行研究において，行列分解 モデルでは，変分ベイズ推定がベイズ推定よりランク数を少なく推定する状況が起こることが示された.本研究では， GMM において MCMC 法を用いることでベイズ推定を行い，構成される事後分布の形状をみることで，変分ベイズ 推定と比較する. |
| （英） | In Gaussian Mixture Model (GMM), Bayesian estimation is one of the estimation methods, but analyti- cal calculation is difficult, thus variational Bayesian estimation (VB), which is approximate method, is proposed. In the previous study, it was shown that VB estimates less rank than Bayesian estimation in the matrix decomposition model. In this study, we compare Bayesian estimation by MCMC method and VB in GMM by comparing the shapes of the posterior distribution. | |
| キーワード | （和） | ベイズ推定 / 変分ベイズ推定 / MCMC / GMM / / / / |
| （英） | Bayesian estimation / Variational Bayesian estimation / MCMC / GMM / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 284, IBISML2018-82, pp. 287-292, 2018年11月. | |
| 資料番号 | IBISML2018-82 | |
| 発行日 | 2018-10-29 (IBISML) | |
| ISSN | 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 | IBISML2018-82 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2018-11-05 - 2018-11-07 |
| 開催地（和） | 北海道民活動センター（かでる2.7） |
| 開催地（英） | Hokkaido Citizens Activites Center (Kaderu 2.7) |
| テーマ（和） | 情報論的学習理論ワークショップ (IBIS2018) |
| テーマ（英） | Information-Based Induction Science Workshop (IBIS2018) |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2018-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 混合正規分布モデルにおけるベイズ推定と変分ベイズ推定の比較 |
| サブタイトル（和） | |
| タイトル（英） | Comparison of Bayes estimation and variational Bayes estimation in mixed normal distribution model |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ベイズ推定 / Bayesian estimation |
| キーワード(2)（和/英） | 変分ベイズ推定 / Variational Bayesian estimation |
| キーワード(3)（和/英） | MCMC / MCMC |
| キーワード(4)（和/英） | GMM / GMM |
| 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） | 中山 智文 / Tomofumi Nakayama / ナカヤマ トモフミ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) University of Tokyo (略称： UT) |
| 第2著者 氏名（和/英/ヨミ） | 藤井 直樹 / Naoki Fujii / フジイ ナオキ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) University of Tokyo (略称： UT) |
| 第3著者 氏名（和/英/ヨミ） | 永田 賢二 / Kenji Nagata / ナガタ ケンジ |
| 第3著者 所属（和/英） | 国立研究開発法人産業技術総合研究所/科学技術振興機構さきがけ (略称： 産総研/JSTさきがけ) national institute of advanced industrial science and technology/JST Presto (略称： AIST/JST PRESTO) |
| 第4著者 氏名（和/英/ヨミ） | 岡田 真人 / Masato Okada / オカダ マサト |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) University of Tokyo (略称： UT) |
| 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 | 2018-11-05 15:10:00 |
| 発表時間 | 180分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2018-82 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.284 |
| ページ範囲 | pp.287-292 |
| ページ数 | 6 |
| 発行日 | 2018-10-29 (IBISML) |
[研究会発表申込システムのトップページに戻る]