| 研究課題/領域番号 |
24500172
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
鈴木 譲 大阪大学, 理学(系)研究科(研究院), 准教授 (50216397)
|
|---|
| 連携研究者 |
鷲尾 隆 大阪大学, 産業科学研究所, 教授 (00192815)
狩野 裕 大阪大学, 大学院基礎工学研究科, 教授 (20201436)
|
|---|
| 研究期間 (年度) |
2012-04-01 – 2016-03-31
|
| 研究課題ステータス |
完了 (2015年度)
|
| 配分額 *注記 |
5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2014年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2013年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2012年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | ベイジアンネットワーク / 構造学習 / 事後確率最大 / 相互情報量の検定 / 独立性の検定 / グラフィカルモデル / 計算量の削減 / 一致性 / 独立性検定 / 離散と連続が混合 / MDL / 強一致性 / モデル選択 / MDL原理 / Bayesianネットワーク / Chow-Liuアルゴリズム / 機械学習 / Bayes推定 |
|---|
| 研究成果の概要 |
離散と連続の変数が混在している場合の、ベイジアンネットワークの構造学習について、検討した。従来は、連続変数は正規分布であるとか、離散変数の間に連続変数がおかれてはならないという制約があった。本研究では、そうした制約をおかず、一致性といって、サンプル数が大きくなった場合に、正しい構造を推定するという有効な性質を証明することに成功している。特に、相互情報量の推定や、独立性の検定などで、離散や連続という敷居をおかずに処理できる方式を提案することができた。そのような応用は、今後も数多く出てくるものと思われる。
|
