抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ノンパラメトリックベイズは,過学習の回避とモデル選択という,機械学習において繰り返し問題となるテーマに対する新しいアプローチである。ノンパラメトリックベイズ手法は,仮説空間上に適切な事前確率分布を導入することで無用に複雑な解を避けるベイズ推定の考え方をさらに推し進め,無限個のモデルの混合分布を考えることで,学習データに対応する複雑さのモデルが自動的に選択されるようにできることから,関数回帰,クラスタリング,文書のトピックモデルなど,多くの応用が研究されている。このレビューでは,隠れマルコフモデルをノンパラメトリックベイズ化することで無限個の隠れ状態まで扱えるinfinite HMMを中心に,ノンパラメトリックベイズの枠組みを紹介する。また,infinite HMMの自然な拡張により隠れ状態の階層的なクラスタリングが実現できることを示す。(著者抄録)