| 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 | 2021-06-28 17:15 離散DC計画によるパスグラフ上のCollective Graphical Modelの近似を用いないMAP推定 ○赤木康紀・丸茂直貴・金 秀明・倉島 健・戸田浩之（NTT）  NC2021-10 IBISML2021-10 |
|
| 抄録 | （和） | Collective Graphical Model (CGM)は，複数の個人のデータを集計して計算されるカウントデータを解析するための確率モデルである．CGMにおける最も重要な操作の一つは，観測が与えられたもとでの未観測の変数のmaximum a posteriori (MAP)推定である．一般のCGMに対するMAP推定はNP困難であることが示されているため，近似問題を解くアプローチが提案され広く用いられている．しかし，このアプローチには2つの大きな問題点がある．まず，集計テーブルの値が小さくなる場合近似の精度が低くなってしまうため，解の質が低下してしまう．また，連続緩和が適用されているため，出力の整数性制約が破られてしまう．これらの問題点を解決するために，我々はパスグラフ上のCGMのMAP推定のための新しい手法を提案する．我々の手法は，凸関数と凹関数の和の形で表される関数を最小化するための方法論であるDCアルゴリズムに基づいており，重要なサブルーチンは最小凸費用流と呼ばれる組合せ最適化問題に帰着することで効率的に実行することができる．人工データ及び実データを用いた実験によって，提案手法が既存手法よりも質の高い解を出力できることを示す． |
| （英） | The importance of aggregated count data, which is calculated from the data of multiple individuals, continues to increase. Collective Graphical Model (CGM) is a probabilistic approach to the analysis of aggregated data. One of the most important operations in CGM is maximum a posteriori (MAP) inference of unobserved variables under given observations. Because the MAP inference problem for general CGMs has been shown to be NP-hard, an approach that solves an approximate problem has been proposed. However, this approach has two major drawbacks. First, the quality of the solution deteriorates when the values in the count tables are small, because the approximation becomes inaccurate. Second, since continuous relaxation is applied, the integrality constraints of the output are violated. To resolve these problems, this paper proposes a new method for MAP inference for CGMs on path graphs. Our method is based on the Difference of Convex Algorithm (DCA), which is a general methodology to minimize a function represented as the sum of a convex function and a concave function. In our algorithm, important subroutines in DCA can be efficiently calculated by minimum convex cost flow algorithms. | |
| キーワード | （和） | 集計データ / Collective Graphical Model / DCアルゴリズム / 最小凸費用流 / / / / |
| （英） | Aggregated Data / Collective Graphical Model / DC Algorithm / Minimum Convex Cost Flow / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 80, IBISML2021-10, pp. 70-77, 2021年6月. | |
| 資料番号 | IBISML2021-10 | |
| 発行日 | 2021-06-21 (NC, IBISML) | |
| ISSN | 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 | NC2021-10 IBISML2021-10 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2021-06-28 - 2021-06-30 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 機械学習によるバイオデータマイニング、一般 |
| 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 | 2021-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | 離散DC計画によるパスグラフ上のCollective Graphical Modelの近似を用いないMAP推定 |
| サブタイトル（和） | |
| タイトル（英） | Non-approximate Inference for Collective Graphical Models on Path Graphs via Discrete Difference of Convex Algorithm |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 集計データ / Aggregated Data |
| キーワード(2)（和/英） | Collective Graphical Model / Collective Graphical Model |
| キーワード(3)（和/英） | DCアルゴリズム / DC Algorithm |
| キーワード(4)（和/英） | 最小凸費用流 / Minimum Convex Cost Flow |
| 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） | 赤木 康紀 / Yasunori Akagi / アカギ ヤスノリ |
| 第1著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第2著者 氏名（和/英/ヨミ） | 丸茂 直貴 / Naoki Marumo / マルモ ナオキ |
| 第2著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第3著者 氏名（和/英/ヨミ） | 金 秀明 / Hideaki Kim / キン ヒデアキ |
| 第3著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第4著者 氏名（和/英/ヨミ） | 倉島 健 / Takeshi Kurashima / クラシマ タケシ |
| 第4著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第5著者 氏名（和/英/ヨミ） | 戸田 浩之 / Hiroyuki Toda / トダ ヒロユキ |
| 第5著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-06-28 17:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | NC2021-10, IBISML2021-10 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.79(NC), no.80(IBISML) |
| ページ範囲 | pp.70-77 |
| ページ数 | 8 |
| 発行日 | 2021-06-21 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]