JP6740193B2 - パラメータ推定装置、パラメータ推定方法及びパラメータ推定プログラム - Google Patents
パラメータ推定装置、パラメータ推定方法及びパラメータ推定プログラム Download PDFInfo
- Publication number
- JP6740193B2 JP6740193B2 JP2017175061A JP2017175061A JP6740193B2 JP 6740193 B2 JP6740193 B2 JP 6740193B2 JP 2017175061 A JP2017175061 A JP 2017175061A JP 2017175061 A JP2017175061 A JP 2017175061A JP 6740193 B2 JP6740193 B2 JP 6740193B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- gradient
- vector
- metric
- calculated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
まず、本発明の実施の形態におけるパラメータ推定装置10の構成について、図1を参照しながら説明する。図1は、本発明の実施の形態におけるパラメータ推定装置10の構成の一例を示す図である。
次に、本発明の実施の形態におけるパラメータ推定装置10のハードウェア構成について、図2を参照しながら説明する。図2は、本発明の実施の形態におけるパラメータ推定装置10のハードウェア構成の一例を示す図である。
次に、本発明の実施の形態におけるパラメータ推定装置10の機能構成について、図3を参照しながら説明する。図3は、本発明の実施の形態におけるパラメータ推定装置10の機能構成の一例を示す図である。
次に、本発明の実施の形態におけるパラメータ推定装置10が実行する全体処理について、図4を参照しながら説明する。図4は、本発明の実施の形態におけるパラメータ推定装置10が実行する全体処理の一例を示すフローチャートである。
ここで、本発明の実施の形態におけるパラメータ推定装置10を2値判別問題に適用した場合における本発明の効果について説明する。確率モデルとしてはベイズ的ロジスティック回帰モデルを用いて、データセットxとしてはLIBSVMにより提供されるa9aを利用する。このデータセットは各データ(以降、「サンプル」と表す。)が2値のラベル及び123次元の特徴ベクトルにより構成される。この特徴ベクトルは、元は14成分の値だったものをカテゴリ毎に、{0,1}に書き換えて構成したものである。
図6(b)に示すように、本発明では、従来技術と比較して、より少ない繰り返し回数で低い判別誤り率となっていることがわかる。
100 推定プログラム
101 入力部
102 初期化部
103 パラメータ推定部
104 出力部
111 勾配計算部
112 計量計算部
113 パラメータ更新部
114 終了判定部
110 記憶部
Claims (7)
- 入力されたデータセットに対して、入力された確率モデルのパラメータを推定するパラメータ推定装置であって、
前記パラメータと、前記データセットとが適合する方向を示す勾配ベクトルを計算する勾配計算手段と、
前記パラメータが変化した場合に、前記確率モデルへの影響度合いを示す計量ベクトルを計算する計量計算手段と、
前記勾配計算手段により計算された前記勾配ベクトルと、前記計量計算手段により計算された前記計量ベクトルとに基づいて、前記パラメータを更新するパラメータ更新手段と、
前記パラメータ更新手段により前記パラメータが更新された場合、所定の終了条件を満たしているか否かを判定する終了条件判定手段と、
を有し、
前記終了条件判定手段により前記終了条件を満たしていると判定されるまで、前記勾配計算手段による前記勾配ベクトルの計算と、前記終了条件判定手段による前記計量ベクトルの計算と、前記パラメータ更新手段による前記パラメータの更新とを繰り返す、ことを特徴とするパラメータ推定装置。 - 前記勾配計算手段は、
前記パラメータにおける変分下限の勾配の不偏推定量を、前記勾配ベクトルとして計算し、
前記計量計算手段は、
前記確率モデルの潜在変数に関するフィッシャー情報行列の対角成分により構成されるベクトルを前記計量ベクトルとして計算する、又は、逐次的な移動平均により近似的に前記計量ベクトルを計算する、ことを特徴とする請求項1に記載のパラメータ推定装置。 - 前記パラメータ更新手段は、
前記勾配計算手段により計算された前記勾配ベクトルと、前記計量計算手段により計算された前記計量ベクトルと、予め設定されたハイパーパラメータとに基づいて算出された更新量を、前記パラメータに加算することで、該パラメータを更新する、ことを特徴とする請求項1又は2に記載のパラメータ推定装置。 - 前記終了条件判定手段により前記終了条件を満たしていると判定された場合、前記パラメータ更新手段により更新されたパラメータを出力する出力手段を有する、ことを特徴とする請求項1乃至3の何れか一項に記載のパラメータ推定装置。
- 入力されたデータセットに対して、入力された確率モデルのパラメータを推定するパラメータ推定装置が、
前記パラメータと、前記データセットとが適合する方向を示す勾配ベクトルを計算する勾配計算手順と、
前記パラメータが変化した場合に、前記確率モデルへの影響度合いを示す計量ベクトルを計算する計量計算手順と、
前記勾配計算手順により計算された前記勾配ベクトルと、前記計量計算手順により計算された前記計量ベクトルとに基づいて、前記パラメータを更新するパラメータ更新手順と、
前記パラメータ更新手順により前記パラメータが更新された場合、所定の終了条件を満たしているか否かを判定する終了条件判定手順と、
を有し、
前記終了条件判定手順により前記終了条件を満たしていると判定されるまで、前記勾配計算手順による前記勾配ベクトルの計算と、前記終了条件判定手順による前記計量ベクトルの計算と、前記パラメータ更新手順による前記パラメータの更新とを繰り返す、ことを特徴とするパラメータ推定方法。 - 前記勾配計算手順は、
前記パラメータにおける変分下限の勾配の不偏推定量を、前記勾配ベクトルとして計算し、
前記計量計算手順は、
前記確率モデルの潜在変数に関するフィッシャー情報行列の対角成分により構成されるベクトルを前記計量ベクトルとして計算する、又は、逐次的な移動平均により近似的に前記計量ベクトルを計算する、ことを特徴とする請求項5に記載のパラメータ推定方法。 - コンピュータを、請求項1乃至4の何れか一項に記載のパラメータ推定装置における各手段として機能させるためのパラメータ推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017175061A JP6740193B2 (ja) | 2017-09-12 | 2017-09-12 | パラメータ推定装置、パラメータ推定方法及びパラメータ推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017175061A JP6740193B2 (ja) | 2017-09-12 | 2017-09-12 | パラメータ推定装置、パラメータ推定方法及びパラメータ推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019053349A JP2019053349A (ja) | 2019-04-04 |
JP6740193B2 true JP6740193B2 (ja) | 2020-08-12 |
Family
ID=66014855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017175061A Active JP6740193B2 (ja) | 2017-09-12 | 2017-09-12 | パラメータ推定装置、パラメータ推定方法及びパラメータ推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6740193B2 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6099099B2 (ja) * | 2014-02-28 | 2017-03-22 | 日本電信電話株式会社 | 収束判定装置、方法、及びプログラム |
US9553681B2 (en) * | 2015-02-17 | 2017-01-24 | Adobe Systems Incorporated | Source separation using nonnegative matrix factorization with an automatically determined number of bases |
JP6283331B2 (ja) * | 2015-06-26 | 2018-02-21 | 日本電信電話株式会社 | 流れ推定装置、予測装置、及びプログラム |
-
2017
- 2017-09-12 JP JP2017175061A patent/JP6740193B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019053349A (ja) | 2019-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210019647A1 (en) | Systems and methods for machine learning | |
Rosić et al. | Parameter identification in a probabilistic setting | |
Yildirim et al. | An online expectation–maximization algorithm for changepoint models | |
CN114462613B (zh) | 量子计算机性能刻画方法及装置、电子设备和介质 | |
US20190332933A1 (en) | Optimization of model generation in deep learning neural networks using smarter gradient descent calibration | |
JP4265296B2 (ja) | 変化点検出装置,変化点検出方法および変化点検出用プログラム | |
Bui et al. | Gaussian process for predicting CPU utilization and its application to energy efficiency | |
WO2020116211A1 (ja) | 推定装置、最適化装置、推定方法、最適化方法、及びプログラム | |
WO2020105468A1 (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラムが格納された非一時的なコンピュータ可読媒体 | |
JP6740193B2 (ja) | パラメータ推定装置、パラメータ推定方法及びパラメータ推定プログラム | |
Schäfer | Particle algorithms for optimization on binary spaces | |
Frellsen et al. | Bayesian generalised ensemble markov chain monte carlo | |
Mandal et al. | l1 regularized multiplicative iterative path algorithm for non-negative generalized linear models | |
Wang et al. | Constrained spline regression in the presence of AR (p) errors | |
JP6831307B2 (ja) | 解算出装置、解算出方法及び解算出プログラム | |
JP5713877B2 (ja) | 入出力モデル推定装置、方法、及びプログラム | |
WO2024084622A1 (ja) | 軌跡データ予測装置、軌跡データ予測方法及びプログラム | |
WO2022074711A1 (ja) | 学習方法、推定方法、学習装置、推定装置、及びプログラム | |
JP6837953B2 (ja) | パラメータ推定装置、パラメータ推定方法及びプログラム | |
Kwasniok | Semiparametric maximum likelihood probability density estimation | |
Rivier et al. | Non‐parametric measure approximations for constrained multi‐objective optimisation under uncertainty | |
US20230101066A1 (en) | Computer-readable recording medium storing optimization program, optimization method, and optimization apparatus | |
WO2023281579A1 (ja) | 最適化方法、最適化装置、及びプログラム | |
JP2019113962A (ja) | 解析装置、解析方法及びプログラム | |
JP2019095894A (ja) | 推定装置、学習装置、学習済みモデル、推定方法、学習方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190826 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200721 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200722 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200722 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6740193 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |