2006 Fiscal Year Annual Research Report
階層ベイズ法を用いた柔軟な学習モデルの開発と理論神経科学への応用
| Project/Area Number |
06J07889
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
平山 淳一郎 奈良先端科学技術大学院大学, 情報科学研究科, 特別研究員(DC2)
|
|---|
| Keywords | 独立成分分析 / ベイズ推定 / 隠れマルコフモデル / 特徴抽出 / ベイジアンネットワーク |
|---|
| Research Abstract |
本研究では,モデル構造を状況に応じて変化させうる階層的な学習モデルの開発を理論面での主な目的としている.我々は,昨年度までに確率モデルに基づく独立成分分析(ICA)において,隠れマルコフモデル(HMM)を用いたモデル構造の動的切り替え手法(Swi tching ICA)を提案していた.今年度は,1)Swi tching ICAの高度化,2)より一般的な枠組みであるベイジアンネットワークにおけるモデル構造の切り替え手法の提案,の2点を主な目標として研究を行った.
当初の計画ではとくに2に重点を置いていたが,1の論文化の過程で新たな知見が得られたこともあり,両方に関する新たな成果を得ることができた.1に関する成果は次のようにまとめられる.昨年度に提案していたHMMに基づく切り替え手法は,現実的なデータ生成過程の性質をあまりよく反映しないことが今年度の研究において判明した.これに対し我々は隠れセミマルコフモデルと呼ばれる拡張モデルを用いた新たなSwitching ICAモデルを提案し,その有効性を実証した.これらの結果は論文にまとめられ,国際誌に受埋された.また,2に関する成果は次のようにまとめられる.複数の単純な構造をもつベイジアンネットワークを組み合わせ,それらの重みをベイズ推定により適応的に変化させることでより複雑な構造変動を実現するというのが当初の計画であった.とくに,個々の単純なネットワーク構造をも同時にデータから学習することをねらっていた.我々は,この前段階として,あらかじめ学習しておいた固定された構造をもつ複数のベイジアンネットワークを,ベイズ推定により適応的に混ぜ合わせる手法を開発し,実間題(ユーザモデリング)における有効性を示した.これに関して現在論文化を進めている.提案手法は目標とする手法の一部を構成するものとみなすことができ,来年度につながる重要な成果である.
|
