Soumettre la recherche
Mettre en ligne
研究紹介(学生向け)
•
Télécharger en tant que PPTX, PDF
•
0 j'aime
•
1,657 vues
Joe Suzuki
Suivre
統計数理セミナー 日時:4月7日(金)14:40-17:00 話題提供者: 鈴木 譲 教授(4/1着任) 会場:J棟1階セミナー室
Lire moins
Lire la suite
Sciences
Signaler
Partager
Signaler
Partager
1 sur 26
Télécharger maintenant
Recommandé
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
Joe Suzuki
「深層学習」第6章 畳込みニューラルネット
「深層学習」第6章 畳込みニューラルネット
Ken'ichi Matsui
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
Hideo Terada
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
データサイエンス概論第一=1-2 データのベクトル表現と集合
データサイエンス概論第一=1-2 データのベクトル表現と集合
Seiichi Uchida
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
Tatsuya Yokota
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
Deep Learning JP
Recommandé
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
Joe Suzuki
「深層学習」第6章 畳込みニューラルネット
「深層学習」第6章 畳込みニューラルネット
Ken'ichi Matsui
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
Hideo Terada
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
データサイエンス概論第一=1-2 データのベクトル表現と集合
データサイエンス概論第一=1-2 データのベクトル表現と集合
Seiichi Uchida
2014 3 13(テンソル分解の基礎)
2014 3 13(テンソル分解の基礎)
Tatsuya Yokota
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
Deep Learning JP
ブースティング入門
ブースティング入門
Retrieva inc.
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット
H Okazaki
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門
Kazuki Motohashi
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
PRML8章
PRML8章
弘毅 露崎
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
帰納バイアスが成立する条件
帰納バイアスが成立する条件
Shinobu KINJO
自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介
Taku Yoshioka
研究・企業・生き方について 情報科学若手の会2011
研究・企業・生き方について 情報科学若手の会2011
Preferred Networks
GAN(と強化学習との関係)
GAN(と強化学習との関係)
Masahiro Suzuki
主成分分析
主成分分析
大貴 末廣
アンサンブル学習
アンサンブル学習
Hidekazu Tanaka
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
弘毅 露崎
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
5 クラスタリングと異常検出
5 クラスタリングと異常検出
Seiichi Uchida
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
daiki hojo
混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム
貴之 八木
RとPythonを比較する
RとPythonを比較する
Joe Suzuki
R集会@統数研
R集会@統数研
Joe Suzuki
Contenu connexe
Tendances
ブースティング入門
ブースティング入門
Retrieva inc.
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット
H Okazaki
不均衡データのクラス分類
不均衡データのクラス分類
Shintaro Fukushima
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門
Kazuki Motohashi
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
PRML8章
PRML8章
弘毅 露崎
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
帰納バイアスが成立する条件
帰納バイアスが成立する条件
Shinobu KINJO
自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介
Taku Yoshioka
研究・企業・生き方について 情報科学若手の会2011
研究・企業・生き方について 情報科学若手の会2011
Preferred Networks
GAN(と強化学習との関係)
GAN(と強化学習との関係)
Masahiro Suzuki
主成分分析
主成分分析
大貴 末廣
アンサンブル学習
アンサンブル学習
Hidekazu Tanaka
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
弘毅 露崎
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Takashi J OZAKI
5 クラスタリングと異常検出
5 クラスタリングと異常検出
Seiichi Uchida
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
daiki hojo
混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム
貴之 八木
Tendances
(20)
ブースティング入門
ブースティング入門
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット
不均衡データのクラス分類
不均衡データのクラス分類
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
20190619 オートエンコーダーと異常検知入門
20190619 オートエンコーダーと異常検知入門
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
PRML8章
PRML8章
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
帰納バイアスが成立する条件
帰納バイアスが成立する条件
自動微分変分ベイズ法の紹介
自動微分変分ベイズ法の紹介
研究・企業・生き方について 情報科学若手の会2011
研究・企業・生き方について 情報科学若手の会2011
GAN(と強化学習との関係)
GAN(と強化学習との関係)
主成分分析
主成分分析
アンサンブル学習
アンサンブル学習
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
Rによるやさしい統計学第20章「検定力分析によるサンプルサイズの決定」
5 クラスタリングと異常検出
5 クラスタリングと異常検出
心理学者のためのJASP入門(操作編)[説明文をよんでください]
心理学者のためのJASP入門(操作編)[説明文をよんでください]
混合ガウスモデルとEMアルゴリスム
混合ガウスモデルとEMアルゴリスム
Plus de Joe Suzuki
RとPythonを比較する
RとPythonを比較する
Joe Suzuki
R集会@統数研
R集会@統数研
Joe Suzuki
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
Joe Suzuki
分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する
Joe Suzuki
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定
Joe Suzuki
E-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka University
Joe Suzuki
UAI 2017
UAI 2017
Joe Suzuki
AMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップ
Joe Suzuki
CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要
Joe Suzuki
Forest Learning from Data
Forest Learning from Data
Joe Suzuki
A Bayesian Approach to Data Compression
A Bayesian Approach to Data Compression
Joe Suzuki
A Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent Learning
Joe Suzuki
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
Joe Suzuki
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
Joe Suzuki
Bayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal Measures
Joe Suzuki
MDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/Measure
Joe Suzuki
The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...
Joe Suzuki
Universal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or Continuous
Joe Suzuki
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Joe Suzuki
The Universal Bayesian Chow-Liu Algorithm
The Universal Bayesian Chow-Liu Algorithm
Joe Suzuki
Plus de Joe Suzuki
(20)
RとPythonを比較する
RとPythonを比較する
R集会@統数研
R集会@統数研
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定
E-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka University
UAI 2017
UAI 2017
AMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップ
CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要
Forest Learning from Data
Forest Learning from Data
A Bayesian Approach to Data Compression
A Bayesian Approach to Data Compression
A Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent Learning
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
Bayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal Measures
MDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/Measure
The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...
Universal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or Continuous
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
The Universal Bayesian Chow-Liu Algorithm
The Universal Bayesian Chow-Liu Algorithm
研究紹介(学生向け)
1.
研究紹介 (学生向け) 鈴木譲 2017年4月7日
2.
ロードマップ 1. 系列に確率を割当てる 2. 独立性 3.
グラフィカルモデル 4. グラフィカルモデルのデータからの学習 5. 計算量の低減 6. モデル選択としての解析 7. 連続変数を含む場合の概要 8. 応用:独立性検定、ゲノム解析 9. 近況 (Rパッケージ、英単行本出版) 10. まとめ
3.
4.
5.
6.
若い頃に提案した推定量
7.
は過学習、 は確率1で正しい結論
8.
3変数の因数分解
9.
ベイジアンネットワーク
10.
マルコフネットワーク 確率分布との関係は、初回(4/10(月))の講義で説明します。
11.
ベイジアンネットワークも、マルコフネットワークも 変数間の条件付き独立性を表現
12.
データフレーム それぞれに事前確率をかけたものを比較する 3変数ではなく、p変数に拡張可能
13.
森: ループをもたない無向グラフ ベイジアンネットワークにもなる
14.
森への近似の場合 最大化
15.
データフレームから出発
16.
モデル選択の誤り率 生じやすい 生じにくい nとともに指数的に0
17.
pに対して指数的な計算量 深さ優先探索: 分枝限定法で不要な計算量を削減 Alarm (p=37) Insurance (p=26)
18.
連続量を含む相互情報量の推定 提案の手順 1. X軸、Y軸とも、順序によって、サンプルが等しい個数になるように、メッシュに区切る 2. 色々な幅のメッシュで区切り、その量子化(離散化)されたデータから相互情報量を推定する 3.
得られた相互情報量の中の最大値を、相互情報量の推定値とする。
19.
独立性検定への応用 Arthur Gretton教授
20.
応用: ゲノム解析 1000遺伝子の発現量と case/controlの変量 (1001ノード) p値の小さい変数は、 森でもハブになっている。
21.
青: 遺伝子発現量 赤: SNP Int.
J. Approximate Reasoning に掲載(2016)
22.
Rパッケージ BNSL (Bayesian Network
Structure Learning) 2017年3月5日公開 提案アルゴリズムの他、 ベイジアンネットワーク の自動生成など 鈴木譲 (阪大) 川原純(NAIST)
23.
Foundations of Probabilistic
Graphical Models (Springer) 「既存のテキストの 問題点を改善する」 ということで、 Springerと契約した 1. Introduction; 2. Graphical Models; 3. Probabilistic Graphical Models; 4. Learning Bayesian Networks; 5. Learning Markov Networks; 6. Model selection with Information Criteria; 7.Probabilistic Inference with Graphical
24.
まとめ グラフィカルモデルの構造学習というくくりで、研究内容を紹介した • 連続変量を含む場合のベイジアンネットワークの構造学習 • ゲノム解析で、マイクロアレイではなく、RNAシーケンスの場合 •
サンプル数nを固定した場合に、pに対して多項式になるか • マルコフネットワークの構造学習 今後の課題
Télécharger maintenant