グラフ構造により事前知識を表す確率モデル  [in Japanese] Probabilistic Models with Graphical Structure that involves prior knowledge  [in Japanese]

Search this Article

Author(s)

    • 本村 陽一 MOTOMURA Yoichi
    • 独立行政法人 産業技術総合研究所 デジタルヒューマン研究センター National Institute of Advanced Industrial Science and Technology

Abstract

パターン認識などの実データから知的な情報処理を行うためた確率モデルと統計的な学習手法の研究が進んでいる.とくに複雑な構造を持つグラフィカルモデルを用いることで,実問題に内在する構造や事前知識をうまく扱えることから最近,ベイジアンネットやConditional Random Filedのような確率モデルによる応用事例も数多く報告されるようになっている.本発表では,こうしたグラフ構造により事前知識を表す確率モデルについて述べ,人間の認知構造に近い画像理解を実現するために応用する試みも紹介する.

Probabilistic models and statistical learning methods are studied for intelligent information processing with real world data. In particular, graphical models that have complex structures can handle prior knowledge involved in target problems. Recently, application of conditional random filed models and Bayesian networks are reported as efficient modeling for real world problems like pattern recognition and time series data analysis. In this paper, these graphical models are introduced. As an example to model semantic prior knowledge, human cognitive structures during driving a car is shown.

Journal

  • IPSJ SIG Notes. CVIM

    IPSJ SIG Notes. CVIM 153, 149-154, 2006-03-16

    Information Processing Society of Japan (IPSJ)

References:  9

Codes

  • NII Article ID (NAID)
    110004788337
  • NII NACSIS-CAT ID (NCID)
    AA11131797
  • Text Lang
    JPN
  • Article Type
    ART
  • ISSN
    09196072
  • NDL Article ID
    7875407
  • NDL Source Classification
    ZM13(科学技術--科学技術一般--データ処理・計算機)
  • NDL Call No.
    Z14-1121
  • Data Source
    CJP  NDL  NII-ELS 
Page Top