確率分布を視覚的に表現するグラフィカルモデルを扱う。グラフの描き方、グラフを通した条件付き独立性の読み取り方といった基本的な事項から、グラフの推定、グラフ上での推定方法といった実用的な話題についても紹介する。また具体例として、関連する統計学、機械学習の話題についても扱うことで、実際にグラフを使って確率推論を行う方法を身につけることを狙いとする。
以下の項目について習得し、グラフィカルモデルの基礎を身につける。
1. ベイジアンネットワーク、マルコフネットワークの基本的な考え方
2. 構造学習や条件付き確率の推定など、グラフ上での推定方法
3. 確率伝搬法に代表される、グラフ上の効率的な計算方法
4. グラフィカルモデルのさまざまな問題への応用方法
5. 本講義で扱わない、因果推論などの発展的な話題について独習できるための知識
ベイジアンネットワーク、マルコフネットワーク、構造学習、確率伝搬法
✔ 専門力 | 教養力 | コミュニケーション力 | 展開力(探究力又は設定力) | 展開力(実践力又は解決力) |
講義形式で行う.
授業計画 | 課題 | |
---|---|---|
第1回 | グラフィカルモデルの基礎とベイジアンネットワーク 12/9(金) 8:50-10:30 場所:西8号館W833 | 講義の内容を理解する. |
第2回 | マルコフネットワーク 12/9(金) 10:45-12:25 場所:西8号館W833 | 講義の内容を理解する. |
第3回 | 条件付き確率の推定 12/16(金) 8:50-10:30 場所:西8号館W833 | 講義の内容を理解する. |
第4回 | 構造学習 12/16(金) 10:45-12:25 場所:西8号館W833 | 講義の内容を理解する. |
第5回 | グラフィカルモデル上の変数消去 12/23(金) 8:50-10:30 場所:西8号館W833 | 講義の内容を理解する. |
第6回 | ジャンクションツリーアルゴリズム 12/23(金) 10:45-12:25 場所:西8号館W833 | 講義の内容を理解する. |
第7回 | ツリーにおける確率伝搬法 1/6(金) 8:50-10:30 場所:西8号館W833 | 講義の内容を理解する. |
第8回 | 確率伝搬法による近似推論 1/6(金) 10:45-12:25 場所:西8号館W833 | 講義の内容を理解する. |
第9回 | 回帰問題、スパース推定に対する近似確率伝搬法 1/20(金) 8:50-10:30 場所:西8号館W833 | 講義の内容を理解する. |
第10回 | 密度発展法 1/20(金) 10:45-12:25 場所:西8号館W833 | 講義の内容を理解する. |
第11回 | 情報量規準と交差検証法 1/27(金) 8:50-10:30 場所:西8号館W833 | 講義の内容を理解する. |
第12回 | 能動学習 1/27(金) 10:45-12:25 場所:西8号館W833 | 講義の内容を理解する. |
第13回 | 決定理論 2/3(金) 8:50-10:30 場所:追ってアナウンスする | 講義の内容を理解する. |
第14回 | 予備 2/3(金) 10:45-12:25 場所:追ってアナウンスする | 講義の内容を理解する. |
無し。
Koller & Friedman, “Probabilistic Graphical Models” MIT Press (2009)
鈴木 讓,植野 真臣 編著「確率的グラフィカルモデル」共立出版 (2016)
Mézard and Montanari, “Information, Physics, and Computation,” Oxford University Press (2009)
理解度をレポートで評価する。
特になし。
講義:坂田 綾香 (統計数理研究所)ayaka[at]ism.ac.jp
連絡教員:高邉 賢史 (東工大)takabe[at]c.titech.ac.jp
開講日に注意すること。