お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2012-11-08 15:00
ベイジアン変数選択における効率的なサンプリング法
荒木貴光池田和司奈良先端大IBISML2012-75
抄録 (和) ベイジアン変数選択において,ギブス変数選択法は最も活用されているサンプリング法の一つであり,広範囲なモデルに適用されている.ギブス変数選択法の性能は提案分布と擬似事前分布のパラメータに強く依存し,従来法では,それらのパラメータはフルモデルに対する予備的サンプリングに基いて決定される.しかし,そのようにして得られたパラメータでは擬似事前分布は周辺事後分布を近似できず,提案分布のスケールは多くの場合不適切な値となる.本稿では,サンプリングしながらそれらのパラメータを適切な値に自動調整する適応的なアルゴリズムを提案し,ロジスティック回帰モデルのベイジアン変数選択に応用して提案アルゴリズムが従来のギブス変数選択法より効率的であることを示す. 
(英) In Bayesian variable selection, a Gibbs variable selection (GVS) is one of the most famous sampling algorithms, and has been used in various models. The efficiency of the GVS strongly depends on parameters of a proposal distribution and pseudo-priors, and the GVS determines their parameters based on a pilot run for a full model. However the parameters shift the pseudo-priors from the marginal posterior distributions, and make the scale of the proposal distribution an improper value in many cases. In this paper, we propose an algorithm that adapts the parameters while it runs, and confirm that our algorithm is more efficient than the conventional GVS by a experiment of Bayesian variable selection of a logistic regression model.
キーワード (和) ギブス変数選択法 / 適応的マルコフ連鎖モンテカルロ法 / ベイジアンロジスティック回帰モデル / / / / /  
(英) Gibbs Variable Selection / Adaptive Markov Chain Monte Carlo / Bayesian Logistic Regression Model / / / / /  
文献情報 信学技報, vol. 112, no. 279, IBISML2012-75, pp. 291-295, 2012年11月.
資料番号 IBISML2012-75 
発行日 2012-10-31 (IBISML) 
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 IBISML2012-75

研究会情報
研究会 IBISML  
開催期間 2012-11-07 - 2012-11-09 
開催地(和) 筑波大学 東京キャンパス文京校舎 
開催地(英) Bunkyo School Building, Tokyo Campus, Tsukuba Univ. 
テーマ(和) 第15回情報論的学習理論ワークショップ 
テーマ(英) the 15th Information-Based Induction Sciences Workshop 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2012-11-IBISML 
本文の言語 英語(日本語タイトルあり) 
タイトル(和) ベイジアン変数選択における効率的なサンプリング法 
サブタイトル(和)  
タイトル(英) An Efficient Sampling Algorithm for Bayesian Variable Selection 
サブタイトル(英)  
キーワード(1)(和/英) ギブス変数選択法 / Gibbs Variable Selection  
キーワード(2)(和/英) 適応的マルコフ連鎖モンテカルロ法 / Adaptive Markov Chain Monte Carlo  
キーワード(3)(和/英) ベイジアンロジスティック回帰モデル / Bayesian Logistic Regression Model  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
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) 荒木 貴光 / Takamitsu Araki / アラキ タカミツ
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) 池田 和司 / Kazushi Ikeda /
第2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3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
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: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2012-11-08 15:00:00 
発表時間 150分 
申込先研究会 IBISML 
資料番号 IBISML2012-75 
巻番号(vol) vol.112 
号番号(no) no.279 
ページ範囲 pp.291-295 
ページ数
発行日 2012-10-31 (IBISML) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会