文献

J-GLOBAL ID：201002240611190674   整理番号：10A0549081

学習Gaussツリーモデル:誤差指数と極値構造の解析

Learning Gaussian Tree Models: Analysis of Error Exponents and Extremal Structures

著者 (3件)： TAN Vincent Y. F. (Massachusetts Inst. Technol., MA, USA) ,  ANANDKUMAR Animashree (Massachusetts Inst. Technol., MA, USA) ,  WILLSKY Alan S. (Massachusetts Inst. Technol., MA, USA)
資料名： IEEE Transactions on Signal Processing  (IEEE Transactions on Signal Processing)
巻： 58  号： 5  ページ： 2701-2714  発行年： 2010年05月 
JST資料番号： C0228A  ISSN： 1053-587X  CODEN： ITPRED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 構造の学習とデータ試料の集合からのランダム変数の大きな収集の相互依存性は信号と画像解析の等の重要な作業である。この論文では,独立した同等分布試料の学習ツリー構造Gaussグラフィカルモデルについて検討した。試料の増加の数での学習速度に関するGauss分布のツリー構造とパラメータについて議論した。推定したツリー構造が実際の未知の分布のツリー構造と異なる問題に関する誤差指数を解析し,非常に雑音性の学習域では,誤差指数が最小二乗問題に低減することを見出した。この領域では,誤差指数を最小にする極端なツリー構造は,ツリーの端部上の相関係数の固定集合に対しスター状であることを示した。全ての相関係数が0,63以下であれば,誤差指数を最大にするツリー構造はMarkov鎖であることを示した。

シソーラス用語： *ツリー構造 ,  *ネットワーク ,  試料採取 ,  パラメータ ,  誤差解析 ,  相関係数 ,  集合 ,  Markov連鎖 ,  極値 ,  構造解析 ,  指数
準シソーラス用語： *Gauss分布 ,  *グラフィカルモデル ,  サンプリング【試料採取】 ,  ランダム変数 ,  学習速度 ,  雑音環境

分類 (2件)： グラフ理論基礎  (IA02020S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (6件)： 学習 ,  モデル ,  誤差 ,  指数 ,  極値 ,  解析