| 講演名 | 2016-01-22 半教師付き学習におけるベイズ基準のもと最適な予測の計算量削減方法に関する一考察 中野 雄斗(早大), 齋藤 翔太(早大), 松嶋 敏泰(早大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，統計的決定理論に基づく半教師付き学習における予測問題を扱う．この問題に対して，従来ベイズ基準のもとで最適なデータ予測に関する定式化が行われている. しかし, ベイズ基準のもと最適な予測は, 未知のデータ数に対し指数的に計算量が増大するという問題がある．そこで本研究では計算量を削減するために，EMアルゴリズム用いて未知のデータ集合を近似するアルゴリズムを用い, シミュレーションにより予測精度を検証する. |
| 抄録(英) | In this paper, we deal with a prediction problem of the semi-supervised learning based on the statistical decision theory. Previous study has formulated the optimal data prediction under Bayes criterion. However, the computational complexity of this method grows exponentially with the number of the unknown data. This study applies an approximation algorithm reducing the computational complexity using EM algorithm and evaluates this algorithm through simulations. |
| キーワード(和) | ベイズ決定理論 / 計算量削減 / EMアルゴリズム / 半教師付き学習 |
| キーワード(英) | Bayes decision theory / computational complexity reduction / EM algorithm / semi-supervised learning |
| 資料番号 | PRMU2015-130,MVE2015-52 |
| 発行日 | 2016-01-14 (PRMU, MVE) |
| 研究会情報 | |
| 研究会 | PRMU / IPSJ-CVIM / MVE |
|---|---|
| 開催期間 | 2016/1/21(から2日開催) |
| 開催地（和） | 阪大銀杏会館 |
| 開催地（英） | |
| テーマ（和） | 安心・安全・健康のための人物センシングと解析 |
| テーマ（英） | |
| 委員長氏名（和） | 前田 英作(NTT) / / 小林 稔(明大) |
| 委員長氏名（英） | Eisaku Maeda(NTT) / / Minoru Kobayashi(Meiji Univ.) |
| 副委員長氏名（和） | 仙田 修司(NEC) / 内田 誠一(九大) / / 亀田 能成(筑波大) |
| 副委員長氏名（英） | Shuji Senda(NEC) / Seiichi Uchida(Kyushu Univ.) / / Yoshinari Kameda(Univ. of Tsukuba) |
| 幹事氏名（和） | 大山 航(三重大) / 安倍 満(デンソーアイティーラボラトリ) / / 杉本 麻樹(慶大) / 酒田 信親(阪大) / 三上 弾(NTT) |
| 幹事氏名（英） | Wataru Ohyama(Mie Univ.) / Mitsuru Anbai(DENSO IT Lab.) / / Maki Sugimoto(Keio Univ.) / Nobuchika Sakata(Osaka Univ.) / Dan Mikami(NTT) |
| 幹事補佐氏名（和） | 近藤 一晃(京大) / 木村 昭悟(NTT) / / 上岡 玲子(九大) / 飯山 将晃(京大) / 木村 篤信(NTT) |
| 幹事補佐氏名（英） | Kazuaki Kondo(Kyoto Univ.) / Akisato Kimura(NTT) / / Reiko Ueoka(Kyushu Univ.) / Masaaki Iiyama(Kyoto Univ.) / Atsunobu Kimura(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Special Interest Group on Computer Vision and Image Media / Technical Committee on Multimedia and Virtual Environment |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 半教師付き学習におけるベイズ基準のもと最適な予測の計算量削減方法に関する一考察 |
| サブタイトル（和） | |
| タイトル（英） | A Note on the Computational Complexity Reduction Method of the Optimal Prediction under Bayes Criterion in Semi-Supervised Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ベイズ決定理論 / Bayes decision theory |
| キーワード(2)（和/英） | 計算量削減 / computational complexity reduction |
| キーワード(3)（和/英） | EMアルゴリズム / EM algorithm |
| キーワード(4)（和/英） | 半教師付き学習 / semi-supervised learning |
| 第 1 著者 氏名（和/英） | 中野 雄斗 / Yuto Nakano |
| 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） | 齋藤 翔太 / Shota Saito |
| 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） | 松嶋 敏泰 / Toshiyasu Matsushima |
| 第 3 著者 所属（和/英） | 早稲田大学(略称：早大) Waseda University(略称：Waseda Univ.) |
| 発表年月日 | 2016-01-22 |
| 資料番号 | PRMU2015-130,MVE2015-52 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | PRMU-414,MVE-415 |
| ページ範囲 | pp.275-280(PRMU), pp.275-280(MVE), |
| ページ数 | 6 |
| 発行日 | 2016-01-14 (PRMU, MVE) |