| 講演抄録／キーワード |
| 講演名 |
2025-06-06 13:50
粒子型変分推論を用いたWang-Landau法による周辺尤度比の推定
○依田和城（Science Tokyo）・西川宜彦（北里大）・荒井俊太・高邉賢史（Science Tokyo） |
| 抄録 |
（和） |
ベイズ推定において周辺尤度比やベイズ因子はモデル選択を行うための指標の一つとして知られている．しかし，一般に周辺尤度比は解析的に得ることが困難であるため，近似計算やサンプリングによって推定する必要がある．本研究ではパラメトライズされた確率分布に対する周辺尤度のパラメタ間の比を推定するWang-Landau (WL)法に着目する．従来のWL法が内部にマルコフ連鎖モンテカルロ法を使用するのに対して，本研究では粒子型変分推論の一種であるStein variational gradient descent (SVGD)を組み合わせた手法であるSVGD--WL法を提案する．また，1次元混合ガウス分布での数値実験とともに，応用としてスパース信号復元のためのベイジアンベイジアンLASSOにおけるモデル選択が可能であることを示す． |
| （英） |
In Bayesian estimation, the marginal likelihood ratio and Bayes factor are known as indicators for model selection. However, since the marginal likelihood ratio cannot be obtained analytically in general, it is usually estimated through approximation or sampling. In this study, we focus on the Wang-Landau (WL) method for estimating the ratio of marginal likelihoods between parameters for parameterized probability distributions. While a conventional WL method utilize the Markov-chain Monte-Carlo method internally, we propose the SVGD-WL method incorporating the WL method into Stein variational gradient descent (SVGD), a particle-based variational inference method. Then, we examine the proposed method for an one-dimensional Gaussian mixture model, and demonstrate an application to model selection in Bayesian LASSO for sparse signal recovery. |
| キーワード |
（和） |
粒子型変分推定 / Wang-Landau 法 / 周辺尤度 / モデル選択 / / / / |
| （英） |
particle-based variational inference / Wang-Landau algorithm / marginal likelihood / model selection / / / / |
| 文献情報 |
映情学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
IST ME IEICE-IE IEICE-BioX IEICE-SIP IEICE-MI |
| 開催期間 |
2025-06-05 - 2025-06-06 |
| 開催地（和） |
金沢大学（角間キャンパス） |
| 開催地（英） |
|
| テーマ（和） |
マルチメディアデータ・映像・画像・信号の取得・処理・解析・認証と応用、および一般 |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
IEICE-SIP |
| 会議コード |
2025-06-IST-ME-IE-BioX-SIP-MI |
| 本文の言語 |
日本語 |
| タイトル（和） |
粒子型変分推論を用いたWang-Landau法による周辺尤度比の推定 |
| サブタイトル（和） |
|
| タイトル（英） |
Estimation of Marginal Likelihood Ratios using Particle-Based Variational Inference and Wang-Landau Algorithm |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
粒子型変分推定 / particle-based variational inference |
| キーワード(2)（和/英） |
Wang-Landau 法 / Wang-Landau algorithm |
| キーワード(3)（和/英） |
周辺尤度 / marginal likelihood |
| キーワード(4)（和/英） |
モデル選択 / model selection |
| キーワード(5)（和/英） |
/ |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
依田 和城 / Kazuki Yoda / |
| 第1著者 所属（和/英） |
東京科学大学 (略称： Science Tokyo)
Institute of Science Tokyo (略称： Science Tokyo) |
| 第2著者 氏名（和/英/ヨミ） |
西川 宜彦 / Yoshihiko Nishikawa / |
| 第2著者 所属（和/英） |
北里大学 (略称： 北里大)
Kitasato University (略称： Kitasato U.) |
| 第3著者 氏名（和/英/ヨミ） |
荒井 俊太 / Shunta Arai / |
| 第3著者 所属（和/英） |
東京科学大学 (略称： Science Tokyo)
Institute of Science Tokyo (略称： Science Tokyo) |
| 第4著者 氏名（和/英/ヨミ） |
高邉 賢史 / Satoshi Takabe / |
| 第4著者 所属（和/英） |
東京科学大学 (略称： Science Tokyo)
Institute of Science Tokyo (略称： Science Tokyo) |
| 第5著者 氏名（和/英/ヨミ） |
/ / |
| 第5著者 所属（和/英） |
(略称： )
(略称： ) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2025-06-06 13:50:00 |
| 発表時間 |
25分 |
| 申込先研究会 |
IEICE-SIP |
| 資料番号 |
|
| 巻番号（vol） |
vol.49 |
| 号番号（no） |
|
| ページ範囲 |
|
| ページ数 |
|
| 発行日 |
|