2017 Fiscal Year Annual Research Report
Development of model selection method for Bayesian estimation from behavior of Markov chain Monte Carlo method
| Project/Area Number |
25330283
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
永田 賢二 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (10556062)
|
|---|
| Project Period (FY) |
2013-04-01 – 2018-03-31
|
| Keywords | 機械学習 / マルコフ連鎖モンテカルロ法 / ベイズ推定 / モデル選択 / スペクトル分解 |
|---|
| Outline of Annual Research Achievements |
本研究では，マルコフ連鎖モンテカルロ(MCMC)法の挙動や緩和過程に基づいたベイズ推定の新たなモデル選択法の開発を行う．
平成29年度では，応用事例として取り扱っているスペクトル分解に関する新たなモデル選択法の適用を試みた．スペクトル分解においては，交換モンテカルロ法を利用したベイズ推定を利用することで，局所解の問題を解決するとともに，ベイズ自由エネルギーに基づくモデル選択を利用することで，精度良く推定が実現できることが知られる一方で，計算量が膨大になる問題が指摘されていた．一方，高速な手法としてL1正則化を利用したL1VMによるスペクトル分解も提案されているものの，モデル選択の精度の観点で問題があった．そこで、λ-scan法を利用したスペクトル分解アルゴリズムを新たに開発し，推定精度と計3時間の両面において優れる方法であることをシミュレーションを通じて明らかにした．
また，別の応用として，地震動イメージングにおける推定にMCMC法を利用することで，複雑な局所最適解が存在するケースにおいても適切な解を探索することに成功した．実際にMeSO-netで得られた観測記録に適用して首都圏の地震動イメージングを行った上，構造物の揺れの簡易評価に用いられる速度応答スペクトルを計算した．その結果，高層建築物で卓越する周期5-10秒の長周期地震動に対して，観測波形の大部分を説明可能な地震波動場のイメージングに成功した．
|
