文献

J-GLOBAL ID：201002277458189425   整理番号：10A0433322

ベイズ推論における事後確率分布の構造について

On the structure of the posterior probability distribution in Bayesian inference

著者 (1件)： 伊達章 (宮崎大 工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 109  号： 461(NC2009 87-175)  ページ： 285-290  発行年： 2010年03月02日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 画像,音声,自然言語,塩基配列などの大規模データに対し,確率モデルを構築し,認識,予測など確率推論を行なうことが,計算機性能の急速な向上に伴い可能になってきた。ベイズ推論の本質の一つは,データを観測した後の事後確率分布の利用にあるが,その分布の構造については不明な点が多い。一般的な議論は難しいが,分布が奇妙な構造をもつことは十分考えられる。本研究では,事後確率分布から多数のサンプルを生成することで,事後確率分布の構造を反映した推定量を求めることを試みる。単純な隠れマルコフモデルを用いて計算機実験をおこなった結果をもとに,その有効性を議論する。(著者抄録)

シソーラス用語： *Bayes推定 ,  *確率推論 ,  隠れMarkovモデル ,  *事後確率 ,  *確率分布 ,  確率モデル ,  グラフ ,  数学モデル
準シソーラス用語： 依存性グラフ

分類 (1件)： システム・制御理論一般  (IA02010H)

引用文献 (7件)：

• 甘利. 情報幾何とその応用VI : 確率推論. システム制御情報学会誌. 2005, 49, 148-153
• BISHOP, C. M. Pattern Recognition and Machine Learning. 2006
• KUNSCH, H. Hidden Markov random fields. Annals of Applied Probability. 1995, 5, 557-602
• GEMAN, S. Neural networks and the bias/variance dilemma. Neural Computation. 1992, 4, 1-58
• GEMAN, S. Dynamic programming and the graphical representation of error-correcting codes. IEEE Transactions on Information Theory. 2001, 47, 549-567

タイトルに関連する用語 (3件)： ベイズ推論 ,  事後確率 ,  分布