| 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 | 2021-07-09 13:25 クラスタ構造を説明する変数と回帰構造を説明する変数により表現された線形回帰モデルにおける計算量削減に関する一考察 ～ ベイズ最適な予測とその近似アルゴリズム ～ ○香山 渉（早大）・齋藤翔太（群馬大）・松嶋敏泰（早大）  IT2021-24 |
|
| 抄録 | （和） | データがクラスタに分割され，各クラスタにおいて別々の線型回帰モデルを持つという構造のデータ生成確率モデルを考えることで，線型回帰モデルの拡張の様々な従来研究を統一的な視点から整理できることが示される．さらに，このデータ生成確率モデルを仮定したもとで，ベイズ規準のもと最適な予測および変分ベイズを用いた近似アルゴリズムが導出されている．しかし，このアルゴリズムは学習データ数が大きいときにパラメータ更新に関する計算量が大きくなるという問題があった．本研究では，学習データの一部を用いて更新を行う，確率的勾配降下法の考えを用いた計算量削減手法を提案する．また，その提案手法の挙動を実験で確認する． |
| （英） | By considering the probability model with the structure that the data is divided into clusters and each cluster has an independent linear regression model, it is shown that various previous studies of extensions of the linear regression model can be organized from a unified perspective. Furthermore, under the assumption of this data generating probability model, an approximation algorithm using optimal prediction and variational Bayes under the Bayesian criterion is derived. However, this algorithm holds the problem that the computational complexity of updating parameters increases when the number of observed data is large. In this paper, we propose the reduction method of computational complexity on the idea on stochastic gradient descent. In addition, we conduct an experiment for confirming the behavior of the proposed method. | |
| キーワード | （和） | 変分ベイズ / ベイズ最適な予測 / 確率的勾配降下法 / / / / / |
| （英） | Variational Inference / Bayes Optimal Prediction / Stochastic Gradient Descent / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 96, IT2021-24, pp. 51-56, 2021年7月. | |
| 資料番号 | IT2021-24 | |
| 発行日 | 2021-07-01 (IT) | |
| 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 | IT2021-24 |
|
| 研究会情報 | |
| 研究会 | IT |
| 開催期間 | 2021-07-08 - 2021-07-09 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | フレッシュマンセッション，一般 |
| テーマ（英） | Freshman session, General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IT |
| 会議コード | 2021-07-IT |
| 本文の言語 | 日本語 |
| タイトル（和） | クラスタ構造を説明する変数と回帰構造を説明する変数により表現された線形回帰モデルにおける計算量削減に関する一考察 |
| サブタイトル（和） | ベイズ最適な予測とその近似アルゴリズム |
| タイトル（英） | A Note on the Reduction of Computational Complexity for Linear Regression Model Including Cluster Explanatory Variables and Regression Explanatory Variables |
| サブタイトル（英） | Bayes Optimal Prediction and Sub-Optimal Algorithm |
| キーワード(1)（和/英） | 変分ベイズ / Variational Inference |
| キーワード(2)（和/英） | ベイズ最適な予測 / Bayes Optimal Prediction |
| キーワード(3)（和/英） | 確率的勾配降下法 / Stochastic Gradient Descent |
| 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） | 香山 渉 / Sho Kayama / カヤマ ショウ |
| 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） | 齋藤 翔太 / Shota Saito / サイトウ ショウタ |
| 第2著者 所属（和/英） | 群馬大学 (略称： 群馬大) Gunma University (略称： Gunma Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 松嶋 敏泰 / Toshiyasu Matsushima / マツシマ トシヤス |
| 第3著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-07-09 13:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IT |
| 資料番号 | IT2021-24 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.96 |
| ページ範囲 | pp.51-56 |
| ページ数 | 6 |
| 発行日 | 2021-07-01 (IT) |
[研究会発表申込システムのトップページに戻る]