変動環境における脳内情報処理のベイズ学習モデル

波动环境下大脑信息处理的贝叶斯学习模型

• 批准号: 20800024
• 负责人: 平山 淳一郎
• 金额: $ 2.1万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (Start-up)
• 财政年份: 2008
• 资助国家: 日本
• 起止时间: 2008 至 2009
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-20800024/
• 关键词: 機械学習; マルコフ確率場; ボルツマンマシン; リンク予測

本研究では,グラフで表される二項関係が動的に変化する状況で,その変動を時系列データから推定する問題に注目した.工学的な意義に加え,次年度に感覚・知覚情報処理の計算論的モデル構築を行うための基礎となることを意図した.計画では離散マルコフ確率場(MRF)の構造変動を扱う予定であったが,比較的難しい問題であったため,以下の2つの問題に分割して取り扱った.1. 離散MRFの一種であるボルツマンマシンの簡便なパラメータ推定法を提案した.離散MRFの推定は通常,面倒かつ高コストな反復計算を伴い,実用上の問題となっている.本研究では,比較的低次元かつ十分なサンプルが得られる場合に,この推定を最小二乗法の枠組みに帰着させることで閉形式の解が得られ,パラメータ推定を簡便に行えることを示した.推定性能や計算量に関する厳密な評価は今後の課題であるが,構造変動や多階層モデルなどの効率的な推定手法につながる可能性があり,意義は大きい.2. ノイズが加わった二項関係データの時系列から,背後の関係構造の滑らかな変動を推定する手法を提案した.データに基づき二項関係を推定する問題はリンク予測と呼ばれ,近年注目されている問題であるが,グラフ構造が時間変化する問題はこれまであまり扱われていなかった.我々は,指数型分布族に基づく確率的なモデリングに行列因子化のアイデアを取り入れ,グラフ構造の変動を低自由度の空間で捉える手法を開発した.我々の手法は,電子メールによるコミュニケーションなど,動的かつ時変な関係構造を確率的なデータから推定する問題に応用可能であり,その基礎技術として重要である.

In this study, the time series of the dynamic changes in the binomial relationship of the binomial relationship are expressed in this study. The problem of fixed attention is paid attention to. The meaning of engineering is added, and the construction of calculation theory of understanding and understanding of information processing in the next year The basis of the を行うためのとなることを意図した. The planned structure change of the discrete マルコフRF (MRF) It is a predetermined problem, a difficult problem to compare, and the following 2 problems are divided into two parts. 1. Discrete MRF's one kind of method is simple and simple, and the presumption method is proposed. The discrete MRF's presumption is usually high. Repeated calculations are necessary, and the problem of using them is the same. In this study, the low-dimensional comparison of the low-dimensional space is very easy, and the situation is the same, and the minimum two is estimated. The solution to multiplication in closed form is られ,パラメーEstimation is easy and simple. Estimation performance is easy to calculate and the amount of calculation is off. The future issues of the secret review are: the method of estimating the efficiency of the multi-layer structure and the possibility of constructing multi-layered structures; the significance is large. 2. ノイズが加わったbinomial relationship データの时 series から, the relationship structure behind it の slippery かなChange the method of presumption and propose the problem of binomial relationship and presuppose it.されているproblems that have attracted attention in recent years, グラフstructure and time Changing problem, exponential distribution familyなモデリングに ranks factorized のアイデアをtaken into れ, グラフ structure of the accuracy of the base Create a space with low degrees of freedom and create a low-degree-of-freedom space with a low-degree-of-freedom technique. I use a technique that creates electronics.ールによるコミュニケーションなど, movable かつ时変なrelational structureをaccurate なデIt is possible to presume that problems can be applied, and that basic technology is important.

项目成果

Dynamic Expponential Family Matrix Factorization.

动态指数族矩阵分解。

• 发表时间: 2009
• 作者: 渡辺一帆;岡田真人;池田和司;渡辺一帆;渡辺一帆;K. Watanabe;Kazuho Watanabe;Kazuho Watanabe;久保智洋;渡辺-帆;渡辺一帆;Kazuho Watanabe;Kohei Hayashi
• 通讯作者: Kohei Hayashi

A closed-form estimator of fully visible Boltzmann machines.

完全可见玻尔兹曼机的封闭式估计器。

• 发表时间: 2008
• 作者: J. Hirayama;S. Ishii
• 通讯作者: S. Ishii