文献

J-GLOBAL ID：202202278282806344   整理番号：22A1091208

大規模データセットに対する混合多項ロジットモデルのスケーリングBayes推定【JST・京大機械翻訳】

Scaling Bayesian inference of mixed multinomial logit models to large datasets

著者 (1件)： Rodrigues Filipe (Technical University of Denmark (DTU), Bygning 116B, 2800 Kgs. Lyngby, Denmark)
資料名： Transportation Research. Part B. Methodological  (Transportation Research. Part B. Methodological)
巻： 158  ページ： 1-17  発行年： 2022年 
JST資料番号： D0725B  ISSN： 0191-2615  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 変分推論法は,推定バイアスを増加せずに,標準Markov連鎖モンテカルロ(MCMC)法と比較した場合,混合多項ロジットモデルにおける近似Bayes推定の計算効率の大幅な改善につながることを示した。しかし,それらの実証された効率利得にもかかわらず,既存の方法は,大きなデータセットにスケールするのを防ぐ重要な限界に悩まし,一方,豊富な事前分布を可能にし,複雑な事後分布を捉える柔軟性を提供する。大規模データセットに対する混合多項ロジットモデルにおけるBayes推論を効果的にスケールするために,確率的バックプロパゲーション,自動微分およびGPU加速計算を利用する,不死化変分推論アプローチを提案した。さらに,正規化流を用いて,変分事後近似の柔軟性を増加できることを示した。ロンドンからの輸送モード選択のための広範なシミュレーション研究および実データを通して,著者らは,提案したアプローチが,推定精度を損なうことなく,従来の最大模擬尤度推定(MSLE)およびMCMCアプローチに対して,多重桁の計算量高速化を達成できることを経験的に示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モンテカルロ法 ,  シミュレーション ,  変分法 ,  確率分布 ,  *Bayes推定 ,  Markov連鎖 ,  近似法 ,  微分 ,  多重化 ,  利得 ,  *ロジットモデル ,  正規化 ,  逆伝搬法
準シソーラス用語： MCMC ,  尤度 ,  事後分布 , 【Automatic Indexing@JST】

著者キーワード (5件)： 混合ロジット ,  平均化変分推論 ,  確率的変分推論 ,  離散選択モデル ,  Bayes推論

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (4件)： 大規模データセット ,  多項ロジットモデル ,  スケーリング ,  Bayes推定