| 研究課題/領域番号 |
24700135
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
佐藤 一誠 東京大学, 情報基盤センター, 助教 (90610155)
|
|---|
| 研究期間 (年度) |
2012-04-01 – 2014-03-31
|
| 研究課題ステータス |
完了 (2013年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2013年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2012年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 確率的潜在変数モデル / 周辺化変分ベイズ法 / 量子アニーリング / Dirichlet Process / Bayesian Nonparametrics / ノンパラメトリックベイズ |
|---|
| 研究概要 |
確率的潜在変数モデルは、柔軟なモデル設計能力により様々な科学分野で注目を集めている。例えば、ソーシャルネットワークデータ分析では、隠れたコミュニティ構造を潜在変数として抽出することができる。しかしながら、確率的潜在変数モデルの学習は局所解を多く含む最適化問題として定式化され、一般的に難しい問題である。本研究では、確率的潜在変数モデルに対して、決定論的・確率的の２つの側面から効率的な学習アルゴリズムを提案する。１つ目は、周辺化変分ベイズ法に基づく学習アルゴリズムで、２つ目は、量子アニーリングに基づくアルゴリズムである。学術文書やネットワークデータの解析で提案手法の有効性を確認した。
|
