| 講演名 | 2009-07-14 一本の訓練系列から構成されるHMMの事後分布について(脳活動の計測と解析,生命現象の非線形性,一般) 山崎 啓介, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 隠れマルコフモデルは信号処理、自然言語処理、生物情報処理など様々な分野で系列データ解析に用いられる。学習プロセスの解明は機械学習において中心的な問題のひとつであるが、訓練データが多くのデータ系列の集合として与えられた場合では代数幾何を用いた解析法が確立されたのに対し、十分に長い一本の系列のみが与えられた場合では未だ十分な研究がなされていない。そこで本稿では後者の条件下でのパラメータ学習において、ベイズ事後分布が独特の形状を有することを実験的に示し、その原因を尤度関数の解析により明らかにする。 |
| 抄録(英) | Hidden Markov models (HMMs) are widely applied to analysis of time-dependent data sequences, such as non-linear signal processing, natural language processing, and bioinformatics. There are two possible formats of the training data in HMMs; One is a set of many time-dependent sequential data, and the other is an infinitely long sequence. The learning process is one of the main concerns in machine learning. For the former case, there is a method to reveal the generalization ability based on algebraic geometry. However, there is no theoretical analysis on the latter case. To construct its foundation, this paper reports some unique properties of the likelihood function in an experimental manner, and explains them in a theoretical manner. The results show that the likelihood function implicitly includes a local maxima factor, which can make the learning process slow, and that this slow learning realizes high performance in a stationary state evaluation. |
| キーワード(和) | 隠れマルコフモデル / パラメータ学習 / 定常分布 |
| キーワード(英) | Hidden Markov Models / Parameter Learning / Stationary Density |
| 資料番号 | NLP2009-31,NC2009-24 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NLP |
|---|---|
| 開催期間 | 2009/7/6(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 | Nonlinear Problems (NLP) |
|---|---|
| 本文の言語 | ENG |
| タイトル（和） | 一本の訓練系列から構成されるHMMの事後分布について(脳活動の計測と解析,生命現象の非線形性,一般) |
| サブタイトル（和） | |
| タイトル（英） | On the Posterior Distribution of HMMs for a Long Sequence |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 隠れマルコフモデル / Hidden Markov Models |
| キーワード(2)（和/英） | パラメータ学習 / Parameter Learning |
| キーワード(3)（和/英） | 定常分布 / Stationary Density |
| 第 1 著者 氏名（和/英） | 山崎 啓介 / Keisuke YAMAZAKI |
| 第 1 著者 所属（和/英） | 東京工業大学精密工学研究所 P & I Laboratory, Tokyo Institute of Technology |
| 発表年月日 | 2009-07-14 |
| 資料番号 | NLP2009-31,NC2009-24 |
| 巻番号（vol） | vol.109 |
| 号番号（no） | 124 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |