研究課題/領域番号 |
20K11933
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分61030:知能情報学関連
|
研究機関 | 電気通信大学 |
研究代表者 |
西山 悠 電気通信大学, 大学院情報理工学研究科, 准教授 (60586395)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
キーワード | カーネル平均埋め込み / カーネルベイズ推論 / 状態空間モデル / フィルタリング / スムージング / 最適輸送 / Sinkhorn divergence |
研究成果の概要 |
カーネルベイズ推論は確率分布のカーネル平均を推論する.カーネルベイズの枠組みで状態空間モデルのフィルタリングとスムージングを行うkernel Bayes’ filter (KBF) とkernel Bayes’smoother (KBS)が提案されている.次の成果を得た: 連続時間の状態空間モデルを考慮した連続-離散モデルのフィルタリングアルゴリズム(mbn-KBF)を開発した.スムージングアルゴリズム(mbn-KBS)を開発し,SVモデルにおける結果の詳細な可視化を行った.kernel Bayes’ruleの3種類とkernel Kalman ruleの数値的比較を行った.
|
自由記述の分野 |
機械学習
|
研究成果の学術的意義や社会的意義 |
ベイズ学習はデータと事前分布から事後分布を計算する重要な学習法の1つであり,様々な応用の学習システムの基礎に位置付けられる.構造データ・高次元データに対する複雑な形を持つ事前分布,尤度,事後分布をコンピュータ上で実現するベイズ推論システムの構築が予測精度向上に重要である.カーネルベイズ推論はカーネル法の立場からこれにアプローチする.ベイズ推論を時系列に計算する応用事例に状態空間モデルのフィルタリングとスムージングがある.このタスクに対してカーネルベイズ推論の有効性を検証し,問題点の抽出・整理,更なる枠組みの改良・改善,新たな研究課題の発見につながる意義がある.
|