| 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 | 2017-12-14 12:40 ［招待講演］因果探索への招待 ○清水昌平（滋賀大）  IN2017-49 IA2017-56 |
|
| 抄録 | （和） | 因果探索とは、因果関係に関する仮説をデータから探索するための方法論である。初めに、因果探索の基本的アイデアを述べる。そして、LiNGAM法とよばれる因果探索法を紹介する。LiNGAM法は、ある条件の下、因果関係を表すグラフである因果グラフを一意に推定できる特徴がある。そして、因果探索法の予測モデルのメカニズム理解への適用について議論する。 |
| （英） | Causal structure learning is one of the most exciting new topics in the fields of machine learning and statistics. This talk is an introdution to causal structure learning methods, particularly those based on the linear, non-Gaussian, acyclic model known as LiNGAM. These non-Gaussian data analysis tools can fully estimate the underlying causal structures of variables under assumptions. This feature is in contrast to other approaches. I also discuss an application of causal discovery methods to understanding prediction mechanisms of predictive models. |
|
| キーワード | （和） | 因果探索 / 機械学習 / / / / / / |
| （英） | causal discovery / machine learning / / / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 354, IA2017-56, pp. 19-24, 2017年12月. | |
| 資料番号 | IA2017-56 | |
| 発行日 | 2017-12-07 (IN, IA) | |
| 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 | IN2017-49 IA2017-56 |
|
| 研究会情報 | |
| 研究会 | IA IN |
| 開催期間 | 2017-12-14 - 2017-12-15 |
| 開催地（和） | 広島市立大学 |
| 開催地（英） | Hiroshima City Univ. |
| テーマ（和） | 性能評価とシミュレーション、信頼性技術、スループットやトラヒックの計測、品質(QoS)制御、輻輳制御、トラヒック・フロー制御、オーバーレイネットワーク・P2P、IPv6 、マルチキャスト、ルーティング、DDoS及び一般 |
| テーマ（英） | Performance Analysis and Simulation, Robustness, Traffic and Throughput Measurement, Quality of Service (QoS) Control, Congestion Control, Overlay Network/P2P, IPv6, Multicast, Routing, DDoS, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IA |
| 会議コード | 2017-12-IA-IN |
| 本文の言語 | 日本語 |
| タイトル（和） | 因果探索への招待 |
| サブタイトル（和） | |
| タイトル（英） | Introduction to causal discovery |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 因果探索 / causal discovery |
| キーワード(2)（和/英） | 機械学習 / machine learning |
| キーワード(3)（和/英） | / |
| 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） | 清水 昌平 / Shohei Shimizu / シミズ ショウヘイ |
| 第1著者 所属（和/英） | 滋賀大学 (略称： 滋賀大) Shiga University (略称： Shiga Univ.) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 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 | 2017-12-14 12:40:00 |
| 発表時間 | 50分 |
| 申込先研究会 | IA |
| 資料番号 | IN2017-49, IA2017-56 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.353(IN), no.354(IA) |
| ページ範囲 | pp.19-24 |
| ページ数 | 6 |
| 発行日 | 2017-12-07 (IN, IA) |
[研究会発表申込システムのトップページに戻る]