スパースかつ低ランク制約を用いた 時変ネットワーク構造推定 平山 淳一郎 国際電気通信基礎技術研究所（ATR） Aapo Hyvärinen University of Helsinki 石井 信 京都大学／ATR 2012年9月24日 第3回Latent Dynamics ワークショップ ネットワーク構造推定 ` 与えられたデータ行列から，変数（ノード）間の潜在的な 依存関係を表すネットワーク（グラフ）を決定する ` 単なる相関解析では見えない直接的な関係がわかる 2012/9/24 第3回Latent Dynamics ワークショップ 2 →サンプル データ行列 確率変数 １ ２ 3 20 １回の観測／測定について 得られる観測ベクトル 条件付き独立性を 表すネットワーク（グラフ） 確率モデルに基づく方法 ` ベイジアンネットワーク ` マルコフネットワーク （マルコフ確率場） 201

2 vol.56 no.1 2013 J o u r n a l o f I n f o r m a t i o n P ro c e s s i n g a n d M a n a g e m e n t JOHO KANRI April http://johokanri.jp/ データ・サイエンティストがビッグデー タで私たちの未来を創る Data scientist: a key factor in innovation driven by big data 樋口 知之1 HIGUCHI Tomoyuki1 1 情報・システム研究機構 統計数理研究所（〒190-8562 東京都立川市緑町10-3）E-mail : higuchi@ism.ac.jp 1 The Institute of Statistical Mathematics, Research Organization of

スパース正則化学習の理論とアルゴリズム 冨岡 亮太 東京大学 大学院情報理工学系研究科 数理情報学専攻 概要. このサーベイ論文では近年，信号処理，情報理論，機械学習の分野をまたいで 注目されているスパース性を導く様々な正則化の方法を加法的なスパース正則化と構造的 なスパース正則化の観点から分類し，それぞれに対する具体的な最適化アルゴリズムを与 える． 具体的には加法的なスパース正則化に対しては（加速付き）近接勾配法および著 者が提案する双対拡張ラグランジュ法を紹介する．双対拡張ラグランジュ法は加法的なス パース性から生じる条件数の悪化に対して有効であることを議論する．一方，構造的なス パース正則化に対しては交互方向乗数法を紹介する．交互方向乗数法は線形演算で表現さ れる構造とスパース正則化項を分離することが可能で，構造的なスパース正則化に対して 非常に有効な手法である． Theory