| 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 | 2017-09-15 10:30 特異Bayes情報量規準による混合正規分布のモデル選択における変分Bayes法の実験的考察 ○林 直輝（東工大）・中村文士（ボッシュ）  PRMU2017-41 IBISML2017-13 |
|
| 抄録 | （和） | 混合正規分布（GMM）はパターン認識等の様々な分野で用いられる統計モデルであり，そのモデル選択は重要な課題であるが，パラメータの集合から確率密度函数の集合への写像が単射ではないため統計的に正則ではない． 近年，統計的に非正則でも利用可能なモデル選択指標である特異Bayes情報量規準（sBIC）が提案されており，EMアルゴリズムにより計算された局所最尤推定量（LMLE）をsBICに代入したGMMのモデル選択が行われている． 一方で，GMMには最尤推定量が存在しないことから変分Bayes法も用いられている． 本研究ではsBICによるGMMのモデル選択において，LMLEの代わりに変分Bayes法による推定量（変分Bayes推定量，VBE）を代入し，その数値的挙動を考察する．LMLEを用いる場合との比較を行い，（１）中心と混合比のみを推定するとき及び（２）それらに加えて共分散推定も行うときのどちらにおいてもVBEを用いる方が高精度であることを報告する． |
| （英） | A Gaussian mixture model (GMM) is a statistical model used in various fields such a pattern recognition, thus, it is important to resolve its model selection problems, however, GMM is not statistical regular since the map from the set of parameters to the set of probability density functions is not injective. Recently, a statistical model selection criterion, called the singular Bayesian information criterion (sBIC) has been proposed and it can be applied even if the statistical model is not regular. The model selection of GMM is carried out using by the local maximum likelihood estimator (LMLE) calculated by the EM algorithm for sBIC. On the other hand, the variational Bayesian method is also applied to estimate GMM because of that there does not exists the maximum likelihood estimator. In this paper, we consider the numerical behavior of the model selection of GMMs using by sBIC that is evaluated the estimator by the variational Bayesian method (variational Bayesian estimator, VBE) instead of LMLE. We compare with the cases that sBIC uses the LMLE, and report that sBIC that uses the VBE estimates more rigorous in both the case (1) that only the components' means and the mixtured ratio are estimated and the case (2) that the covariance is additionally did. |
|
| キーワード | （和） | 混合正規分布 / モデル選択 / EMアルゴリズム / 変分Bayes法 / 実対数閾値 / 特異Bayes情報量規準 / sBIC / |
| （英） | Gaussian mixture model / model selection / EM algorithm / variational Bayesian method / real log canonical threshold / singular Bayesian information criterion / sBIC / | |
| 文献情報 | 信学技報, vol. 117, no. 211, IBISML2017-13, pp. 19-26, 2017年9月. | |
| 資料番号 | IBISML2017-13 | |
| 発行日 | 2017-09-08 (PRMU, 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 | PRMU2017-41 IBISML2017-13 |
|
| 研究会情報 | |
| 研究会 | PRMU IBISML IPSJ-CVIM |
| 開催期間 | 2017-09-15 - 2017-09-16 |
| 開催地（和） | 東京大学 本郷キャンパス |
| 開催地（英） | |
| テーマ（和） | パターン認識・機械学習基盤技術および深層学習によるメディア生成・変換・認識 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2017-09-PRMU-IBISML-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | 特異Bayes情報量規準による混合正規分布のモデル選択における変分Bayes法の実験的考察 |
| サブタイトル（和） | |
| タイトル（英） | Experimental Analysis of Variational Bayesian Method in Model Selection of Gaussian Mixture Model by Singular Bayesian Information Criterion |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 混合正規分布 / Gaussian mixture model |
| キーワード(2)（和/英） | モデル選択 / model selection |
| キーワード(3)（和/英） | EMアルゴリズム / EM algorithm |
| キーワード(4)（和/英） | 変分Bayes法 / variational Bayesian method |
| キーワード(5)（和/英） | 実対数閾値 / real log canonical threshold |
| キーワード(6)（和/英） | 特異Bayes情報量規準 / singular Bayesian information criterion |
| キーワード(7)（和/英） | sBIC / sBIC |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 林 直輝 / Naoki Hayashi / ハヤシ ナオキ |
| 第1著者 所属（和/英） | 東京工業大学 (略称： 東工大) Tokyo Institute of Technology (略称： Tokyo Tech) |
| 第2著者 氏名（和/英/ヨミ） | 中村 文士 / Fumito Nakamura / ナカムラ フミト |
| 第2著者 所属（和/英） | ボッシュ株式会社 (略称： ボッシュ) Bosch Corporation (略称： Bosch) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-09-15 10:30:00 |
| 発表時間 | 30分 |
| 申込先研究会 | IBISML |
| 資料番号 | PRMU2017-41, IBISML2017-13 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.210(PRMU), no.211(IBISML) |
| ページ範囲 | pp.19-26 |
| ページ数 | 8 |
| 発行日 | 2017-09-08 (PRMU, IBISML) |
[研究会発表申込システムのトップページに戻る]