ＮＥＣソフト ２００８年５月３０日 機械学習入門 ノンパラメトリック生成モデル に基づく機械学習 東京工業大学 計算工学専攻 杉山 将 sugi@cs.titech.ac.jp http://sugiyama-www.cs.titech.ac.jp/~sugi/ 講義の流れ 生成モデルに基づいたパターン認識 1. 2. 2 復習 モデル選択 A) 枠組み B) 赤池の情報量規準 C) 尤度交差確認法 3. ノンパラメトリック法 A) 枠組み B) 核密度推定法 C) 最近傍密度推定法 4. まとめ パターン認識 入力パターンをカテゴリに割り当てる 識別関数を構成する問題 問題に合わせて人間が識別関数を設計 データから自動的に識別関数を学習 3 パターン 識別関数 y = f ( x) x ∈ Rd カテゴリ y ∈ {1,2,K, m} 3 統計的パタ

複雑ネットワークと機械学習 複雑ネットワークと機械学習 無限関係モデルとその周辺 無限関係モデルとその周辺 NTTコミュニケーション科学基礎研究所 創発環境研究グループ 山田 武士 2008 2008年 年10 10月 月31 31日 日 第 第11 11回情報論的学習理論ワークショップ 回情報論的学習理論ワークショップ(IBIS2008) (IBIS2008) ２００８年１１月２９日改訂版 ２００８年１１月２９日改訂版 © NTT Communication Science Labs. © NTT Communication Science Labs. 関係データやネットワークのクラスタリング 関係データやネットワークのクラスタリング コミュニティ１ コミュニティ３ コミュニティ２ ネットワークからのコミュニティ抽出 より複雑な関係データのクラスタリング 多重クラスタリング ２ドメインの

Rの階層ベイズモデルのサンプルコードが全然見当たらなかったので、自分で書くことにします。詳細を説明しだすとかなり面倒な領域なので、取り合えず使えるというレベルを目指します。 利用するパッケージは「bayesm」です。 階層ベイズに限らずベイズ推定用MCMCの実行はWinBUGSが一般的だと思いますが、Rのみで利用可能かつ事前分布に関する知識なしで利用可能なのが魅力的なので。 階層ベイズモデルについて 階層ベイズモデルは簡単に説明すると個体差を取り入れた統計モデルです。イメージとしては回帰モデルを作成した際の回帰係数が個体ごとに異なっているようなモデルで、最尤法に基づく重回帰モデルやロジスティック回帰モデルより高い表現力を持ちます。 もちろん単純に人ごとに回帰係数を変えるとデータ数より係数の方が多くなり推定できないのですが、係数は個体ごとに大きく異ならないという仮定を入れて問題を解きます。こ

和音進行解析のための 語彙フリー無限グラムモデル 産業技術総合研究所 吉井 和佳 後藤 真孝 k.yoshii@aist.go.jp m.goto@aist.go.jp 2011/07/27 SIGMUS91 研究の背景 • 基盤技術としての和音進行解析の重要性 – 和音進行パターンは楽曲を特徴づける要素 • 楽曲のジャンル [Perez-Sancho2009] • 作曲者のスタイル [Ogihara2008] – 音楽音響信号に対する和音系列認識への応用 • 音響モデル：スペクトルの動的変化 • 言語モデル：和音の連鎖に関する制約 – 音楽音響信号に対する自動採譜への応用 • 和音系列が分かれば音高候補の絞り込みが可能 C:maj F:maj G:maj C:maj C E G が演奏されて いる可能性が高い G B D が演奏されて いる可能性が高い 研究の目的