| 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 | 2022-07-22 13:50 区間ごとに回帰係数の異なる回帰モデルにおけるベイズ決定理論による効率的最適アルゴリズムの研究 ○行谷 昇・島田航志・松嶋敏泰（早大）  IT2022-25 |
|
| 抄録 | （和） | 本研究では，説明変数の区間ごとに回帰係数が変化する区分線形回帰モデルにおける，ベイズ決定理論に基づいたベイズ最適な予測の導出を行った．ベイズ最適な予測の計算においては，回帰係数の変化状態の全パターンおよび回帰係数のとりうる値域での事後分布による重み付け計算が必要となる．特に回帰係数の変化状態については指数個のパターンが存在する．これに対し，予測したいデータ点における前後の変化地点に注目し，それらが一致する変化状態について重み付け計算をまとめて行うことにより，計算量削減を行った． |
| （英） | In this study, we propose a Beyes-optimal prediction method on a piecewise linear regression model by Bayes decision theory. The computation of the prediction requires weighting the posterior probability of all patterns of regression coefficient changes and all ranges of the coefficients. Especially, the computational complexity of weighting the posterior probability of all the coefficient changes is exponential order. Therefore, we propose a method of reducing the computational complexity by lumping coefficient changing patterns together if the change points before and after the data point to be predicted coincide. | |
| キーワード | （和） | 非線形回帰モデル / 区分線形回帰モデル / ベイズ決定理論 / / / / / |
| （英） | Nonlinear regression model / Piecewise linear regression model / Bayesian decision theory / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 128, IT2022-25, pp. 51-55, 2022年7月. | |
| 資料番号 | IT2022-25 | |
| 発行日 | 2022-07-14 (IT) | |
| 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 | IT2022-25 |
|
| 研究会情報 | |
| 研究会 | IT |
| 開催期間 | 2022-07-21 - 2022-07-22 |
| 開催地（和） | 岡山理科大学 |
| 開催地（英） | Okayama University of Science |
| テーマ（和） | フレッシュマンセッション，一般 |
| テーマ（英） | Freshman session, General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IT |
| 会議コード | 2022-07-IT |
| 本文の言語 | 日本語 |
| タイトル（和） | 区間ごとに回帰係数の異なる回帰モデルにおけるベイズ決定理論による効率的最適アルゴリズムの研究 |
| サブタイトル（和） | |
| タイトル（英） | An Efficient Algorithm for Optimal Decision on Piecewise Linear Regression Model by Bayes Decision Theory |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 非線形回帰モデル / Nonlinear regression model |
| キーワード(2)（和/英） | 区分線形回帰モデル / Piecewise linear regression model |
| キーワード(3)（和/英） | ベイズ決定理論 / Bayesian decision theory |
| 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） | 行谷 昇 / Noboru Namegaya / ナメガヤ ノボル |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 島田 航志 / Koshi Shimada / シマダ コウシ |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 松嶋 敏泰 / Toshiyasu Matsushima / マツシマ トシヤス |
| 第3著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-07-22 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IT |
| 資料番号 | IT2022-25 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.128 |
| ページ範囲 | pp.51-55 |
| ページ数 | 5 |
| 発行日 | 2022-07-14 (IT) |
[研究会発表申込システムのトップページに戻る]