文献

J-GLOBAL ID：201302240179108084   整理番号：13A0804841

ロバスト分布比較のための相対的密度比推定

Relative Density-Ratio Estimation for Robust Distribution Comparison

著者 (5件)： YAMADA Makoto (NTT Corp., Kyoto, JPN) ,  SUZUKI Taiji (Univ. Tokyo, Tokyo, JPN) ,  KANAMO Takafumi (Nagoya Univ., Aichi, JPN) ,  HACHIYA Hirotaka (Tokyo Inst. of Technol., Tokyo, JPN) ,  SUGIYAMA Masashi (Tokyo Inst. of Technol., Tokyo, JPN)
資料名： Neural Computation  (Neural Computation)
巻： 25  号： 5  ページ： 1324-1370  発行年： 2013年05月 
JST資料番号： W0257A  ISSN： 0899-7667  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,大きな摂動を持つことが多い密度比関数における分散推定という挑戦的課題を取り上げ,ロバスト分布比較のための相対的密度比推定に関する議論を行った。最小二乗相対的密度比近似を介した相対的Pearson発散の推定を取り上げ,問題の定式化を行うとともに,α相対密度比の直接近似法を示し,RuLSIF(相対的制約無し最小二乗重要度あてはめ)に基づくα相対Peason発散推定に関する議論を行い,具体例を提示した。ここで提案したPearson発散推定器の理論的性質を解析し,その中で,ノンパラメトリックな収束性解析を行った。その中で,RuLSIFによる発散推定の具体例を示した。2サンプル同次検定,異常値検定,転移学習タスクにおける提案手法の性能評価のための評価実験を実施し,2サンプル同次検定,正常値に基づく異常値検出,転移学習についてのそれぞれの結果を示した。これにより,提案アプローチの有用性を確認した。

シソーラス用語： *統計的推定 ,  *近似法 ,  比率 ,  ロバスト性 ,  最小二乗法 ,  発散 ,  分散【variance】 ,  評価試験 ,  仮説検定 ,  異常値 ,  *機械学習 ,  確率分布
準シソーラス用語： Pearson発散 ,  あてはめ【近似法】 ,  移行学習 ,  密度比 ,  密度比推定

分類 (3件)： システム・制御理論一般  (IA02010H) ,  数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： ロバスト ,  分布 ,  相対的密度 ,  推定