| 大会名称 |
| 2023年 総合大会 |
| 大会コ－ド |
| 2023G |
| 開催年 |
|
2023
|
| 発行日 |
|
2023-02-28
|
| セッション番号 |
|
D-20
|
| セッション名 |
|
情報論的学習理論と機械学習
|
| 講演日 |
|
2023/3/8
|
| 講演場所(会議室等) |
|
2号館 2401教室
|
| 講演番号 |
|
D-20-15
|
| タイトル |
|
確率的枝刈りを用いたベイジアンネットの段階的構造学習法―相対的依存度を用いた枝刈りによる学習効率化手法の改良―
|
| 著者名 |
|
○木下拓海, 北越大輔, 鈴木雅人,
|
| キーワード |
|
段階的構造学習, 確率的枝刈り, ベイジアンネット, 相対的依存度
|
| 抄録 |
|
ベイジアンネット(Bayesian Network : BN)は，多変量データに含まれる様々な要素間の依存関係を非循環性有向グラフで表現した確率モデルである．確率変数をノードとし，因果関係の強いノード間をリンクでつなぐことでデータの特徴を視覚的に表現しており，データマイニングや確率推論に利用される．多変量データからBNの結合構造を決定するとき，データが多様，大規模であるほど計算時間は増大する．本稿では，BNの適切な結合構造を高速に獲得可能な，確率的枝刈りを用いた段階的構造学習法において，確率的な不安定性を抑制しながら使用者の用途にあった学習を行うため，枝刈り確率の計算方法に改良を加え，計算機実験を通して性能の調査，適切な閾値の設定方法について検討を行う．
|
| 本文pdf |
|
PDF download
|
