講演名 | 2002/1/22 確率的複雑さの法則収束について 渡辺 澄夫, |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | 複雑な構造を持つモデルの学習において、ベイズ法が最尤法や事後確率最大化法よりも優れた予測能力を持つことが、理論的にも実験的にも明らかにされつつある。それに伴って、次の問題が、ますます重要になって来ている。(1)なぜ、ベイズ学習が予測に優れるのか。(2)ベイズ学習を実現するにはどうしたらいいのか。(3)より優れた予測を実現するためには、どんな方法が考えられるか。本論文では、これらの問題について考え、その際に確率的複雑さ(自由エネルギー)の果たす役割について、できる限り平易な説明を試みる。 |
抄録(英) | Recently, it is being proven by theory and experiments that Bayesian ensemble learning attains the more precise inference than the maximum likelihood and the maximum a posteriori probability methods. The following three problems are becoming more important. (1) The reason why Bayes attains the good inference . (2) The method how to realize the a posteriori distribution. (3) The method how to devise the more precise inference.In this paper, we try to explain the role of the stochastic complexity in these problems. |
キーワード(和) | |
キーワード(英) | |
資料番号 | |
発行日 |
研究会情報 | |
研究会 | NC |
---|---|
開催期間 | 2002/1/22(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) | 確率的複雑さの法則収束について |
サブタイトル(和) | |
タイトル(英) | Bayesian Stochastic Complexity and Its convergence in Law |
サブタイトル(和) | |
キーワード(1)(和/英) | |
第 1 著者 氏名(和/英) | 渡辺 澄夫 / Sumio Watanabe |
第 1 著者 所属(和/英) | 東京工業大学精密工学研究所知能化工学部門 PI Lab., Tokyo Institute of Technology |
発表年月日 | 2002/1/22 |
資料番号 | |
巻番号(vol) | vol.101 |
号番号(no) | 616 |
ページ範囲 | pp.- |
ページ数 | 8 |
発行日 |