Model selection with variational Bayes EM algorithm in general sparse reguralization problems

• Project/Area Number: 25K15018
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60030:Statistical science-related
• Research Institution: Okayama University
• Principal Investigator: 坂本 亘 岡山大学, 環境生命自然科学学域, 教授 (70304029)
• Project Period (FY): 2025-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2028: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2027: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2025: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
• Keywords: 最大事後確率 (MAP) / 馬蹄事前分布 / 因子分解近似 / 時空間データ / 平滑化

Outline of Research at the Start

複雑な従属構造に対して罰則を課すことにより本質的な変化や関係のみを捉える，ベイズ流スパース正則化によるモデル選択の方法を研究する．最適化したい確率の値は直接計算することが困難であるため，変分ベイズEMアルゴリズムによりその下界を近似的に評価する．交差検証法やマルコフ連鎖モンテカルロ法など，従来から標準的に用いられている方法に比べて計算コストを大幅に抑えることができる．時空間データに対する変化点や集積領域の同定などの問題への適用により，複雑なデータに潜む従属構造を効率的かつ客観的に抽出できるようにする．