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 2017-11-10 13:00
[ポスター講演]Graph Product Multilayer Network型Gauss Markov確率場の構造学習
高品佑也井上真郷早大IBISML2017-88
抄録 (和) グラフィカルモデルの構造推定は,多変量解析や異常検知など様々な用途で有用である.特に,連続変量のMarkov 確率場の構造推定手法としてgraphical lasso がある.graphical lasso は,多変量Gauss 分布の精度行列が,Markov 確率場のグラフ構造に対応していることを利用し,精度行列の最大事後確率(MAP) 推定を通じてMarkov 確率場のグラフ構造をスパース推定する.一方で,ネットワークに階層構造があるとき,全体のネットワークは各層のネットワークの積で表現できる場合があることが知られており,そのようなネットワークをGraph Product Multilayer Networks (GPMNs) と呼ぶ.我々は,Gauss Markov 確率場がGPMN 型のトポロジーを持っていると仮定できる場合に,全体のグラフをより小さなグラフの積に分解して推定する手法を提案する.また,提案手法が全体の精度行列の最大事後確率推定として定式化できることを示す. 
(英) Learning the structure of graphical models is important in many fields, e.g., multivariate analysis and anomaly detection. In continuous case, the graphical lasso is a basic model to estimate the structure of Markov Random Fields (MRFs). The graphical lasso assumes that the observations obey a multivariate Gaussian distribution, and utilizes the fact that the precision matrix of a multivariate Gaussian distribution corresponds to the graph structure of a Gaussian Markov Random Field (GMRF). Besides, when a graph has a hierarchical topology, there are cases when the graph can be represented as a {em graph product} of two or more graphs. Those graphs are called Graph Product Multilayer Networks (GPMNs). We propose a structure learning approach of GMRFs, in the cases the object graph can be considered as a GPMN, through the structure estimation of each factored graph. We show the proposed method can be formalized as a maximum a posteriori (MAP) estimation of the precision matrix of the whole GMRF.
キーワード (和) グラフィカルモデル / Markov 確率場 / 構造学習 / graphical lasso / グラフ積 / / /  
(英) Graphical models / Markov random fields / structure learning / graphical lasso / graph product / / /  
文献情報 信学技報, vol. 117, no. 293, IBISML2017-88, pp. 383-388, 2017年11月.
資料番号 IBISML2017-88 
発行日 2017-11-02 (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 IBISML2017-88

研究会情報
研究会 IBISML  
開催期間 2017-11-08 - 2017-11-10 
開催地(和) 東京大学 
開催地(英) Univ. of Tokyo 
テーマ(和) 情報論的学習理論ワークショップ (IBIS2017) 
テーマ(英) Information-Based Induction Science Workshop (IBIS2017) 
講演論文情報の詳細
申込み研究会 IBISML 
会議コード 2017-11-IBISML 
本文の言語 日本語 
タイトル(和) Graph Product Multilayer Network型Gauss Markov確率場の構造学習 
サブタイトル(和)  
タイトル(英) Structure Learning of Graph Product Multilayer Network-shaped Gaussian Markov Random Fields 
サブタイトル(英)  
キーワード(1)(和/英) グラフィカルモデル / Graphical models  
キーワード(2)(和/英) Markov 確率場 / Markov random fields  
キーワード(3)(和/英) 構造学習 / structure learning  
キーワード(4)(和/英) graphical lasso / graphical lasso  
キーワード(5)(和/英) グラフ積 / graph product  
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) 高品 佑也 / Yuya Takashina / タカシナ ユウヤ
第1著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.)
第2著者 氏名(和/英/ヨミ) 井上 真郷 / Masato Inoue / イノウエ マサト
第2著者 所属(和/英) 早稲田大学 (略称: 早大)
Waseda University (略称: Waseda Univ.)
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 2017-11-10 13:00:00 
発表時間 150分 
申込先研究会 IBISML 
資料番号 IBISML2017-88 
巻番号(vol) vol.117 
号番号(no) no.293 
ページ範囲 pp.383-388 
ページ数
発行日 2017-11-02 (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