Irregular Models and Information Criterion

不规则模型和信息准则

• 批准号: 18J12201
• 负责人: 鈴木 惇
• 金额: $ 0.96万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2018
• 资助国家: 日本
• 起止时间: 2018-04-25 至 2020-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-18J12201/
• 关键词: 非正則モデル; 情報量規準; 記述長最小原理; Riemann多様体; Riemann 多様体; 正規化最尤符号長

■ 非正則モデルクラスにおける情報量規準　情報量規準とは、モデルの大きさを定量化する規準で、過学習の平均・最悪ケースの見積や、適切なモデル選択などの応用がある。Fisher計量によるRiemann 多様体とみなせないような非正則モデルに対しては、一般に情報量規準の設計は困難である。当研究員は、まず正則モデルに対して記述長最小原理に基づく情報量規準の新しい計算法を Fourier 変換に基づき提案し、それに基づき非正則に対しても記述長最小原理に基づく情報量規準の下界を導出した。■ 多様体を用いた非正則埋込モデル　近年、特にネットワーク埋め込みの分野で、非正則モデルの中でも、距離構造が非 Euclid 的な Riemann 多様体への埋め込みモデルが注目を集めている。当研究員は、枝集合が一つであるような単関係グラフに対象が絞られてきた従来のRiemann 多様体への埋め込みモデルの枠組みを超えて、枝集合が一つとは限らず枝集合族を有するような複関係グラフに対して　一般的なRiemann 多様体への埋込モデルを提案し、一般のRiemann多様体へ拡張したことに伴う有意性を実データにおいても検証した。当該成果は現在国際学会に投稿済みで現在査読中である。さらに、関係間の類似度順序の一部が半順序として与えられているような場合に対してもモデルを提案した。■ 多様体上での最適化手法　多様体を用いたモデルの上では、最適化手法の選択も自明ではない。Riemann多様体上での最適化においては、自然勾配法に基づく手法や指数写像に基づく手法が用いられてきたが、その理論的な比較は十分ではなかった。当研究員は、具体的なモデルの上で、自然勾配法に基づく手法の理論的・定量的な問題点を明らかにし、指数写像に基づく手法の利点を明確にした。

S irregular モ デ ル ク ラ ス に お け る gauge must intelligence gauge must と は, モ デ ル の big き さ を quantitative す る gauged で, learning の average, most 悪 ケ ー ス の see product や, appropriate な モ デ ル sentaku な ど の 応 with が あ る. Fisher metering に よ る Riemann others more body と み な せ な い よ う な irregular モ デ ル に し seaborne て は は difficult to design, general に intelligence gauge must の で あ る. When researcher は, ま ず regular モ デ ル に し seaborne て account long minimum principle に base づ く intelligence gauge must の new し い を calculation method of Fourier variations in に base づ き proposal し, そ れ に base づ き irregular に し seaborne て も account long minimum principle に base づ く intelligence gauge must の lower を export し た. S more than others in body を with い た irregular buried 込 モ デ ル in recent years, special に ネ ッ ト ワ ー ク buried め 込 み の eset で, irregular モ デ ル の in で も, tectonic が of Euclid distance な Riemann others more body へ の buried め 込 み モ デ ル が attention を set め て い る. When researcher は, branch set が つ で あ る よ う な 単 masato is グ ラ フ に like が ground ら seaborne れ て き た 従 to の Riemann many others body へ の buried め 込 み モ デ ル の 枠 group み を super え て, branch collection が a つ と は limit ら ず some of branch collection を す る よ う な masato series グ ラ フ に し seaborne て general な Riemann More than others in body へ の buried 込 モ デ ル を proposal し, general の Riemann others more body へ company, zhang し た こ と に with う interested in sex を be デ ー タ に お い て も 検 card し た. When the achievement is に submitted to the international society, it can be found in 読 である. さ ら に, masato の の similar degree between order half a が order と し て and え ら れ て い る よ う な occasions に し seaborne て も モ デ ル を proposal し た. ■ Optimization techniques on multiple bodies: で <s:1> optimization techniques on multiple bodies: を use たモデ たモデ optimization techniques on <s:1> : で で, and the optimization technique <s:1> should be selected from 択 択. It is self-evident that で な な な. Riemann on others body で の optimization に お い て は, natural hook with method に づ く gimmick や index to write like に base づ く gimmick が with い ら れ て き た が, そ の theory な compare は very で は な か っ た. When researchers は, concrete な モ デ ル の に で, natural hook match method based on づ く gimmick の theory, quantitative な problem point を Ming ら か に し, index to write like に づ く gimmick の tartness を clear に し た.

项目成果

Hyperbolic Ordinal Embedding

• 发表时间: 2019-10
• 作者: Atsushi Suzuki;Jing Wang;Feng Tian;Atsushi Nitanda;K. Yamanishi

TULIP: Web小説を学習に用いた三段階LSTMによる台本形式小説 (SS) 生成

TULIP：使用网络小说进行学习的三步 LSTM 脚本小说（SS）生成

• 发表时间: 2018
• 作者: Atsushi Suzuki;Jing Wang;Feng Tian;Atsushi Nitanda;and Kenji Yamanishi;鈴木 惇
• 通讯作者: 鈴木 惇

Attributed Subspace Clustering

• DOI: 10.24963/ijcai.2019/516
• 发表时间: 2019
• 作者: Jing Wang;Linchuan Xu;Feng Tian;Atsushi Suzuki;Changqing Zhang;K. Yamanishi

Exact Calculation of Normalized Maximum Likelihood Code Length Using Fourier Analysis

使用傅里叶分析精确计算归一化最大似然码长度

• 发表时间: 2018
• 作者: Atsushi Suzuki;Jing Wang;Feng Tian;Atsushi Nitanda;and Kenji Yamanishi;鈴木 惇;Atsushi Suzuki and Kenji Yamanishi
• 通讯作者: Atsushi Suzuki and Kenji Yamanishi