| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2011-07-25 13:45 ブレグマン情報量を用いたベイズ学習の局所変分近似 ○渡辺一帆（奈良先端大）・岡田真人（東大）・池田和司（奈良先端大）  NC2011-25 |
|
| 抄録 | （和） | 局所変分法はベイズ学習において事後分布を近似する一つの手法として用いられている．局所変分法では，計算困難な周辺尤度に対する上界及び下界を構成し，それぞれを最小化・最大化することにより近似を最適化するが，その情報論的な意味は明らかではなかった．本研究では，凸性に基づく局所変分法に対し，ブレグマンダイバージェンスを用いた一般的枠組みを示し，周辺尤度の上界の効率的な計算法を与える．またカーネルロジスティック回帰モデルへの適用例を示し，数値実験により近似精度を評価した結果を報告する． |
| （英） | The local variational method is a technique to approximate an intractable posterior distribution in Bayesian learning. This article formulates a general framework for local variational approximation using the Bregman divergence. Based on a geometrical argument in the space of approximating posteriors, we propose an efficient method to evaluate an upper bound of the marginal likelihood. We demonstrate its application to the kernelized logistic regression model and numerically investigate the accuracy of approximation. | |
| キーワード | （和） | ベイズ学習 / 局所変分近似 / カルバック情報量 / ブレグマン情報量 / カーネルロジスティック回帰 / / / |
| （英） | Bayesian Learning / Local Variational Approximation / Kullback Information / Bregman Divergence / Kernelized Logistic Regression / / / | |
| 文献情報 | 信学技報, vol. 111, no. 157, NC2011-25, pp. 25-30, 2011年7月. | |
| 資料番号 | NC2011-25 | |
| 発行日 | 2011-07-18 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2011-25 |
|
| 研究会情報 | |
| 研究会 | NC |
| 開催期間 | 2011-07-25 - 2011-07-26 |
| 開催地（和） | 神戸大学大学院工学研究科 |
| 開催地（英） | Graduate School of Engineering, Kobe University |
| テーマ（和） | 知的システム、一般 |
| テーマ（英） | Intelligent systems and general |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2011-07-NC |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | ブレグマン情報量を用いたベイズ学習の局所変分近似 |
| サブタイトル（和） | |
| タイトル（英） | General Framework for Local Variational Approximation of Bayesian Learning Using Bregman Divergence |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ベイズ学習 / Bayesian Learning |
| キーワード(2)（和/英） | 局所変分近似 / Local Variational Approximation |
| キーワード(3)（和/英） | カルバック情報量 / Kullback Information |
| キーワード(4)（和/英） | ブレグマン情報量 / Bregman Divergence |
| キーワード(5)（和/英） | カーネルロジスティック回帰 / Kernelized Logistic Regression |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 渡辺 一帆 / Kazuho Watanabe / ワタナベ カズホ |
| 第1著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第2著者 氏名（和/英/ヨミ） | 岡田 真人 / Masato Okada / オカダ マサト |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 池田 和司 / Kazushi Ikeda / イケダ カズシ |
| 第3著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2011-07-25 13:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2011-25 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.157 |
| ページ範囲 | pp.25-30 |
| ページ数 | 6 |
| 発行日 | 2011-07-18 (NC) |
[研究会発表申込システムのトップページに戻る]