| 講演名 | 2018-03-05 潜在変数に階層モデルを仮定したベイズ独立成分分析 浅葉 海(早大), 齋藤 翔太(早大), 堀井 俊佑(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) | 独立成分分析は，観測データを生成する未知の潜在変数を推定する問題を扱い，音声信号処理，時系列解析，画像の特徴抽出などに応用されている．独立成分分析の従来研究として，潜在変数にラプラス分布を仮定した研究があるが，潜在変数の事後分布を解析的に計算することが困難であるという問題がある．一方，スパース線形回帰問題においては，パラメータの事前分布としてラプラス分布を階層的に表現することで，事後分布の近似計算手法が適用可能となっている．本稿では，ラプラス分布を階層的に表現した事前分布を潜在変数に仮定した独立成分分析を考え，変分ベイズ法を用いてパラメータの近似事後分布を計算する手法を提案する．さらに，提案手法と従来の独立成分分析に対して，人工データによるシミュレーションを行い，有効性を検証する． |
| 抄録(英) | Independent component analysis (ICA) deals with the problem of estimating unknown latent variables which generate the observed data. ICA has applications such as speech signal processing, time series analysis, and image feature extraction. A previous study of ICA assumes Laplace distribution on latent variables. However, this assumption makes it difficult to calculate the posterior distribution of latent variables. In the problem of sparse liner regression, on the other hand, several studies have approximately calculated the posterior distribution by assuming a hierarchical prior model representing Laplace distribution. This paper treats the problem of ICA and assumes a hierarchical prior model representing Laplace distribution on latent variables. Based on this hierarchical model, we propose a method of calculating the approximate posterior distribution on latent variables by using variational Bayes method. To compare our method and conventional ICA method, some experiments on synthetic data are performed. Through these experiments, we show the effectiveness of our proposed method. |
| キーワード(和) | 独立成分分析 / 階層モデル / 変分ベイズ法 |
| キーワード(英) | Independent Component Analysis / Hierarchical Model / Variational Bayes Method |
| 資料番号 | IBISML2017-97 |
| 発行日 | 2018-02-26 (IBISML) |
| 研究会情報 | |
| 研究会 | IBISML |
|---|---|
| 開催期間 | 2018/3/5(から2日開催) |
| 開催地（和） | 九州大学 西新プラザ |
| 開催地（英） | Nishijin Plaza, Kyushu University |
| テーマ（和） | 統計数理・機械学習・データマイニング・一般 |
| テーマ（英） | Statisitical Mathematics, Machine Learning, Data Mining, etc. |
| 委員長氏名（和） | 福水 健次(統計数理研) |
| 委員長氏名（英） | Kenji Fukumizu(ISM) |
| 副委員長氏名（和） | 杉山 将(東大) / 鹿島 久嗣(京大) |
| 副委員長氏名（英） | Masashi Sugiyama(Univ. of Tokyo) / Hisashi Kashima(Kyoto Univ.) |
| 幹事氏名（和） | 竹内 一郎(名工大) / 津田 宏治(東大) |
| 幹事氏名（英） | Ichiro Takeuchi(Nagoya Inst. of Tech.) / Koji Tsuda(Univ. of Tokyo) |
| 幹事補佐氏名（和） | 岩田 具治(NTT) / 神嶌 敏弘(産総研) |
| 幹事補佐氏名（英） | Tomoharu Iwata(NTT) / Toshihiro Kamishima(AIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Infomation-Based Induction Sciences and Machine Learning |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 潜在変数に階層モデルを仮定したベイズ独立成分分析 |
| サブタイトル（和） | |
| タイトル（英） | Bayesian Independent Component Analysis under Hierarchical Model on Latent Variables |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 独立成分分析 / Independent Component Analysis |
| キーワード(2)（和/英） | 階層モデル / Hierarchical Model |
| キーワード(3)（和/英） | 変分ベイズ法 / Variational Bayes Method |
| 第 1 著者 氏名（和/英） | 浅葉 海 / Kai Asaba |
| 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） | 堀井 俊佑 / Shunsuke Horii |
| 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） | 松嶋 敏泰 / Toshiyasu Matsushima |
| 第 4 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 | 2018-03-05 |
| 資料番号 | IBISML2017-97 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | IBISML-475 |
| ページ範囲 | pp.49-53(IBISML), |
| ページ数 | 5 |
| 発行日 | 2018-02-26 (IBISML) |