| 講演名 | 2003/12/1 状態遷移に適応したベイジアン学習(一般)(ニューロインフォーマティックスとは何か) 伊藤 嘉房, / 泉 寛幸, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 学習が完了したベイズ神経回路網は事後確率を近似する。事後確率は判別関数として利用され、観測値は事後確率が最大のカテゴリーから出方されたと推定される。我々は、情報源の状態遷移に適応したベイズ学習能力をもつ神経回路網が、少数の素子で構成されることを示す。二カテゴリー、二状態の場合、状態に関する情報は追加された一個の入力素子より入力される。その情報に応じて回路網の出力はそれぞれの状態における判別関数を近似する。このアルゴリズムはより多状態の場合に容易に拡張される。比較的簡単な場合について、シミュレーションの結果を示す。 |
| 抄録(英) | A Bayesian neural network can output approximate posterior probabilities of categories when its learning is completed. The outputs can be used as discriminant functions and an observable is allocated to the category with maximum posterior probability. We treat a neural network adapted to the source of observables which migrates among several states. A transition of state causes a change in the ratio of priors as well as that of posterior probabilities of categories. In this paper, we show that if an ordinary Bayesian neural network, having rather a small number of units, is supplied with a few additional input units, it can learn simultaneously state-wise distinct posterior probabilities. The learning algorithm and the result of simulations are also shown. |
| キーワード(和) | ベイジアン学習 / 判別関数 / 階層型神経回路網 / 状態遷移 / 近似 |
| キーワード(英) | Bayesian decision / discriminant function / layered neural network / statetransition / approximation |
| 資料番号 | NC2003-102 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2003/12/1(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 状態遷移に適応したベイジアン学習(一般)(ニューロインフォーマティックスとは何か) |
| サブタイトル（和） | |
| タイトル（英） | Bayesian Learning Adapted to State Transitions |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ベイジアン学習 / Bayesian decision |
| キーワード(2)（和/英） | 判別関数 / discriminant function |
| キーワード(3)（和/英） | 階層型神経回路網 / layered neural network |
| キーワード(4)（和/英） | 状態遷移 / statetransition |
| キーワード(5)（和/英） | 近似 / approximation |
| 第 1 著者 氏名（和/英） | 伊藤 嘉房 / Yoshifusa Ito |
| 第 1 著者 所属（和/英） | 愛知学院大学情報社会政策学部 Department of Information and Policy Studies Aichi-Gakuin University |
| 第 2 著者 氏名（和/英） | / 泉 寛幸 / Cidambi Srinivasan |
| 第 2 著者 所属（和/英） | ケンタッキー大学統計学部 Department of Statistics University of Kentucky |
| 発表年月日 | 2003/12/1 |
| 資料番号 | NC2003-102 |
| 巻番号（vol） | vol.103 |
| 号番号（no） | 490 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |