文献

J-GLOBAL ID：201702246514249425   整理番号：17A0002957

非負値行列分解の実対数閾値とBayes学習への応用

A Real Log Canonical Threshold of Nonnegative Matrix Factorization and Its Application to Bayesian Learning

著者 (2件)： 林直輝 (東京工大) ,  渡辺澄夫 (東京工大)
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： 116  号： 300(IBISML2016 45-99)  ページ： 215-220  発行年： 2016年11月09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： 非負値行列分解においては,データ行列を非負値の要素を持つ二つの行列の積として統計的に推測する問題が扱われるが,この問題はパラメータから確率分布への写像が一対一でないために統計的な正則性を持たず,その推測精度については理論的に解明されていなかった。本論文では,非負値行列分解における実対数閾値のバウンドの評価を行い,Bayer学習を行った場合の予測精度の上界を与える。(著者抄録)

シソーラス用語： *因数分解 ,  *学習モデル ,  誤差 ,  Bayes推定 ,  学習 ,  確率分布 ,  エントロピー ,  情報量 ,  *評価 ,  *誤差評価 ,  汎化誤差 ,  *非負行列因子分解
準シソーラス用語： Bayes学習 ,  Kullback-Leibler情報量

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 行列分解 ,  対数 ,  閾値 ,  Bayes学習 ,  応用