木構造のモデル族の学習・予測アルゴリズムに関する一考察

• 島 幸夫

  早稲田大学理工学部経営システム工学科

• 後藤 正幸

  早稲田大学理工学部経営システム工学科

• 松嶋 敏泰

  早稲田大学理工学部経営システム工学科

• 平澤 茂一

  早稲田大学理工学部経営システム工学科

書誌事項

タイトル別名

• A Study on the Algorithm for Learning and Prediction with Context Tree

抄録

パターン認識の問題においては, 判別誤り確率を減少させることが主な目的となっている. これまで判別誤り確率を低減させるために, モデルの確率構造を推定する"モデル選択問題"など, 様々な方法が研究されてきた. 最近になってBayes基準を用いた判別誤り確率を最小にするアルゴリズムが提案されている. このアルゴリズムはBayes決定理論をもとにしており, モデルのクラスの中の中の全てのモデルで混合をとることによって, 予測を行う. しかしながら, この方式は膨大な計算量を必要とする. 本稿では, サプクラスで混合をとることによってBayes最適の近似解を導くアルゴリズムを提案する. このアルゴリズムは, 従来方式より計算書を十分減少させるものであるにもかかわらず, 判別誤り率の点でも従来方式に比べて著しく劣化しないことを示す.

収録刊行物

• 電子情報通信学会技術研究報告. IT, 情報理論

  電子情報通信学会技術研究報告. IT, 情報理論 97 (208), 73-78, 1997-07-25

  一般社団法人電子情報通信学会

キーワード

• パターン認識
• 構造木
• Bayes 基準

詳細情報

• CRID: 1573387452167746688
• NII論文ID: 110003197022
• NII書誌ID: AN10013083
• 本文言語コード: ja
• データソース種別:
  • CiNii Articles