ベイズ勉強会 (機械学習輪講)Learning and Intelligent Systems Research Group

ベイズ勉強会 (機械学習輪講)

内部で行っている, 統計的機械学習(ベイズに限らなくてもよい)の論文輪講です。
参加希望の方は採用ページをご覧下さい。
学生の方は, 夏季実習・一般実習でも参加できます。
実習については, 大学または, 最寄りの所員までどうぞ。
日程: 毎週金曜日 15:00-, @3階 交流コーナ.

注: 現在, 発表資料は外部へは公開していませんのでご注意ください。

2013

12/6(金) : 岩田

11/29(金) : マチュー

  • Xia Ning and George Karypis "SLIM: Sparse Linear Methods for Top-N Recommender Systems"
  • slide: "slim-presen.pdf"

11/22(金) : コロキウムのためお休み

11/15(金) : 中野

11/8(金) : 吉川

11/1(金) : 休み

10/25(金) : 坂野

10/18(金) : ITS世界会議のためお休み

10/11(金) : Hyvarinen講演のためお休み

10/4(金) : 久保

9/27(金) : 石畠

9/20(金) : 藤野

9/13(金) : 進藤

9/6(金) : 木村

8/30(金) : 吉田

8/23(金) : 竹内

8/2(金) : 石黒

  • Kumar et al., "Collective Diffusion Over Networks: Models and Inference", in Proc. UAI, 2013.
  • slides: "130802.pptx"

7/26(金) : 岩田

7/19(金) : 数原

7/12(金) : 豊田

  • Yu Peng, Raymond Chi-Wang Wong, Liangliang Ye, and Philip S. Yu: "Attribute-based subsequence matching and mining"
  • Proc. IEEE 28th International Conference on Data Engineering (ICDE), 2012.

7/5(金) : 江崎

6/21(金) : マチュー

6/14(金) : 吉川

5/31(金): 休会

5/24(金) : 中野

5/10(金) : 竹内

4/26(金) : 坂野

4/19(金) : 上田

4/12(金) : 久保

4/5(金) : 岩田

3/29(金) : 藤野

3/22(金) : 進藤

3/15(金) : 石黒

1/11(金) から3/1(金)まではNIPS2012読み会期間です.

3/1(金) : Kevin

  • Learning dependency structure of latent factors [ paper ]
  • Efficient high-dim maximum entropy modeling via symmetric partition functions [ paper ]
  • Majorization for CRFs and Latent likelihoods [ paper ]

2/8(金) : 久保,竹内

  • Cocktail Party Processing via Structured Prediction (担当:久保) [ paper ]
  • Image Denoising and Inpainting with Deep Neural Networks(担当:久保) [ paper ]
  • Learning with Recursive Perceptual Representation [ paper ]
  • 久保担当文スライド: "NIPSread.2012.kubo.pdf"

2/1(金) : 木村

1/25(金) : 石黒,澤田

  • Automatic Feature Induction for Stagewise Collaborative Filtering (石黒担当)
  • Topic-Partitioned Multinetwork Embeddings (石黒担当)
  • Factoring nonnegative matrices with linear programs (澤田担当)
  • Clustering by Nonnegative Matrix Factorization Using Graph Random Walk (澤田担当)
  • 資料(澤田担当) "bayes130125reading.pptx"

1/18(金) : 吉田

  • Learning as MAP Inference in Discrete Graphical Models
  • Multiple Choice Learning: Learning to Produce Multiple Structured Outputs
  • slide "Bayesian-NIPS2012-yasuhisay.pptx"

1/11(金) : 山田(武)

  • Truncation-free Stochastic Variational Inference for Bayesian Nonparametric Models
  • Random function priors for exchangeable arrays with applications to graphs and relational data
  • Scalable imputation of genetic data with a discrete fragmentation-coagulation process
  • Small-Variance Asymptotics for Exponential Family Dirichlet Process Mixture Models
  • Hamming Distance Metric Learning
  • Multimodal learning with deep boltzman machines
  • 資料:上記論文を参照しながら口頭で説明のため、資料はなし

2012

12/21(金) : 澤田

12/14(金) : 坂野

11/30(金) : 吉田

11/16(金) : 山田(誠)

10/26(金) : 山田(武)

10/5(金) : 藤野

9/28(金) : 石黒

  • Palla, Knowles, and Ghahramani "An Infinite Latent Attribute Model for Network Data", ICML2012

8/31(金) : 上田

8/24(金) : 進藤

8/3(金) : 杉山

7/20(金) : 竹内

  • Collaborative Topic Regression with Social Matrix Factorization for Recommendation Systems, Sanjay Purushotham, ICML2012

7/6(金) : 南

  • CALO: Cognitive Assistant that Learns and Organizes
    • Siri の元となった技術に関する報告
    • slides: "CALO.pptx"

6/29(金) : 木村

6/1(金) : 澤田

5/18(金) : 藤野

5/11(金) : 石黒

4/13(金) : 久保

3/16(金) : 坂野

3/9(金) : 竹内,上田

3/2(金) : 進藤,杉山

  • 杉山 NIPS2011sugiyama.pptx
    • Active Ranking using Pairwise Comparisons
    • Nonlinear Inverse Reinforcement Learning with Gaussian Processes
    • 進藤
    • Learning Sparse Representations of High Dimensional Data on Large Scale Dictionaries
    • Modelling Genetic Variations using Fragmentation-Coagulation Processes

2/24(金) : 前田,木村

  • 前田 BL120224.pptx
    • Learning a Distance Metric from a Network
    • Maximum Covariance Unfolding : Manifold Learning for Bimodal Data
    • 木村 120223Bayes_nip2011readingVer3.pdf
    • Testing a Bayesian measure of representativeness using a large image database

2/3(金) : 石黒,澤田

  • 澤田 bayes120203reading.pptx
    • Divide-and-Conquer Matrix Factorization
    • ICA with Reconstruction Cost for Efficient Overcomplete Feature Learning

1/26(木) : 木村,Kevin,岩田

  • 木村 120201Bayes_nip2011readingForPub.pdf
    • Fast and Accurate k-means For Large Datasets (PDF)
    • 岩田 nips2011reading.pptx
    • Sparse Manifold Clustering and Embedding
    • Transfer Learning by Borrowing Examples for Multiclass Object Detection
    • Spatial distance dependent Chinese restaurant processes for image segmentation
    • Improving Topic Coherence with Regularized Topic Models
    • Kevin "nips11readin-brg-kev.ppt"
    • Lock-free approach to parallel SGD
    • Efficient methods for overlapping group lasso
    • Dynamic pooling and unfolding autoencoders for paraphrase detection

1/13(金) : 藤野

2011

12/9(金) : 進藤

12/2(金) : 久保

11/25(金) : Kevin

10/28(金) : 坂野

10/14(金) : 中野@基識G

10/7(金) : 石黒

9/20(火) : KDD2011論文紹介(上田,澤田,青山)

9/16(金) : 竹内

9/9(金) : 藤野

8/26(金) : 杉山

  • Finale Doshi, Joelle Pineau, Nicholas Roy. "Reinforcement Learning with Limited Reinforcement: Using Bayes-Risk for Active Learning in POMDPS", ICML2008
  • pdf: "doshi_bayesrisk.pdf"
  • slide: "sugiyama110826.pdf"

8/5(金) : Kevin

7/29(金) : 岩田

7/15(金) : 進藤

7/8(金) : 渡部

  • "BAYESIAN SENSING HIDDEN MARKOV MODELS FOR SPEECH RECOGNITION", by George Saon and Jen-Tzung Chien, ICASSP2011, pp. 5056-5059
  • Paper: "bshmm.pdf"
  • Slide: "bshmm_v1.ppt"

7/1(金) : 久保

6/17(金) : 吉田

6/3(金) : 木村

5/20(金) : 坂野

5/13(金) : 上田,石黒

4/22(金) : 澤田,藤野,岩田

4/15(金) : 渡部、杉山、歐陽

4/8(金) : 木村、進藤、Kevin

  • 木村
    • Semi-supervised learning with adversarially missing label information
    • Slide: 101226NIPS_reading_0684.pdf
    • Simutaneous object detection and ranking with weak supervision

1/21 (金) 石黒

2010

12/17 (金) 久保

12/3(金) 上田

11/19(金) 澤田

10/29(金) 藤原

  • New development of digital signal processing via sampled-data control theory, Y. Yamamoto, International Conference on Modeling, Estimation and Control, 2007.
  • PDF: digitalfilter_101029.pdf
  • Slides: bayes101029.pdf

10/15(金) 石黒

10/8(金) Kevin

10/1(金) 岩田

9/16(木) 持橋

9/9 (木) 歐陽

9/3(金) 杉山

8/27(金) 吉田

8/20(金) 持橋

8/6(金) 進藤

7/30(金) 藤野

7/20(火) 石黒

  • スパースなGaussian Processモデルの論文です.
  • Yan, F. and Qi, Y., "Sparse Gaussian Process Regression via L1 Penalization", ICML2010.
  • 論文:Yan_Qi10ICML.pdf
  • 説明資料:100720.ppt

7/9(金) 上田

  • JASAの論文(重点サンプリングの元祖論文。粒子フィルターとの関連も興味深い。ノンパラベイズでの応用も有り。)を紹介します。
  • Sequential Imputations and Bayesian Missing Data Problems, A. Kong, J.S. Liu, and W. H. Wong, Journal of the American Statistical Association (JASA), Vol.89, No.425, pp.278-288, 1994.
  • 論文: SI.pdf
  • 説明資料: ueda0709.pdf

6/25(金) 欧陽

  • Data mining in Facebook.
  • Reference 1: ePluribus : Ethnicity on Social Networks’ J. Chang, I. Rosenn, L. Backstrom and C. Marlow. ICWSM 2010.
  • Reference 2: ‘Find Me If You Can: Improving Geographical Prediction with Social and Spatial Proximity’. L. Backstrom, E. Sun and C. Marlow. WWW 2010
  • Presentation Slides: auyeung-facebook-20100625.ppt

6/18(金) 岩田

6/4(金) Kevin

5/28(金) CS研オープンハウスのため休み

5/24(月) 持橋

5/14(金) 渡部

  • "AN INITIAL ATTEMPT FOR PHONEME RECOGNITION USING STRUCTURED SUPPORT VECTOR MACHINE (SVM) ", Hao Tang; Chao-Hong Meng, and Lin-Shan Lee, ICASSP 2010

5/7(金) 澤田

  • NMFにおけるAuxiliary functionとEM algorithmについて
    • NMF: non-negative matrix factorization
    • Auxiliary function
    • EM (expectation-maximization) algorithm
    • PLSA: Probabilistic Latent Semantic Analysis
    • 一つの文献を紹介するのではなく,4つほどの文献から標記の話題について説明します.下記の資料はself-containedに作ったつもりですので,特に文献の印刷は必要ないと思います.あえて何か一つ印刷するとすれば,一番基本となる [Lee & Seung 2001] Algorithm for Non-negative Matrix Factorization, NIPS でしょうか.
    • 資料: bayes100507sawada.pdf
    • 補足資料(上田): nfm-em-ueda2.pdf

4/23(金) 坂野

4/16(金) 藤野

4/6(火) 欧陽

3/23(火) 進藤

NIPS 2009読み会

3/23(火) : 上田(ueda-100323.ppt)

3/2(火) : 藤野(fujino-100302.pdf)

25(木) : Kevin (BayesRG-NIPS09review-kevin.pdf)、岩田 (NIPS2009reading.ppt)

16(火) : 進藤、欧陽(nips09-presentation-auyeung.pdf)、石黒(nips09-presentation-ishiguro.ppt

2/9(火) : 坂野(nips2010sakano.pdf)、澤田(bayes100209sawada.pdf)、持橋

2/2(火) Kevin

1/26(火) 渡部

1/19(火) 青山

  • "Fast nearest neighbor retrieval for Bregman divergences," L. Cayton, ICML2008:CaytonICML2008.pdf
  • Bregman divergence を非類似度尺度としたnon-metric spacesでの探索方法の提案。Bregman ballという概念を導入し、metric spacesに使用されるmetric treeをnon-metric spacesに拡張。画像データを対象としたheuristic searchで評価。
  • 資料:CaytonSlidesPlus.pdf
  • (参考)CaytonのICML2008の方法(k-NN search)をrange searchへ拡張("Efficient Bregman range search," NIPS2009):CaytonNIPS2009.pdf
  • (参考)Cayton流とは異なるアプローチ、対象となるd次元ユークリッド空間をbase convex functionの値を要素とする1次元を追加したd+1次元空間に変換("Similarity search on Bregman divergence: Towards non-metirc indexing," VLDB2009):ZhangVLDB2009.pdf
  • (参考)我々の提案するKL-divergenceを非類似度としたnon-metric spaceを対象とする探索法(ICASSP2010):AoyamaICASSP2010.pdf

1/14(木) 岩田、石黒

1/5(火)坂野

  • Jigang Wang, Predrag Neskovic, Leon N. Cooper,"Neighborhood size selection in the k-nearest-neighbor rule using statistical confidence," Pattern Recognition 39 (2006) 417-423 を紹介します.解法はともかく問題が少し面白いと思いました.
  • 論文:WangNeskovicCooper2006.pdf
  • 資料:Bayes100105.pdf

2009

12/15(火) 澤田

12/10(木) 藤野

11/26(木) 欧陽

11/10(火) 進藤

11/5 (木) Kevin

10/27(火) 青山

  • "Disorder inequality: a combinatorial approach to nearest neighbor search," N. Goyal, Y. Lifshits, H Schutze, Web Search and Data Mining (WSDM), 2008
  • 探索対象集合に類似度が与えられた空間(距離空間の必要無)の任意の3要素(点)の間の類似度に関する順位について、ある三角不等式が成り立つという仮定の下での、効率的な探索法の提案。データサイズnに関するexpected query timeはO(logn ・loglogn)。
  • 論文dineq.pdf,参考文献SODA2009Lifshits-CombAlgNN-SODA2009.pdf
  • 資料(修正版)DisorderIneq.v3.2.ppt

10/20(火) IBIS 2009 (10/19-10/21)

10/13(火) 渡部

  • A. Gunawardana, M. Mahajan, A. Acero and J.C. Platt, "Hidden Conditional Random Fields for Phone Classification," Proc. INTERSPEECH, 2005
  • 論文hcrf.pdf
  • 資料hcrf_v1.ppt
  • 話題に出たRproprprop.pdf
  • Rpropの音声認識用識別学習への適用eRoux2005Eurospeech09.pdf

10/6(火) 坂野

9/29(火) 櫻井

9/15(火) 石黒

  • E. Sudderth, A. Ihler, W. Freeman and A. Wilsky, "Nonparametric Belief Propagation", CVPR 03.
  • Belief propagation(BP)を、状態量が連続で分布が簡単に書き下せない場合にも利用できるように拡張します。かなり読みにくい論文ですが、できるだけ説明いたします。
  • 論文Sudderth03nBP.pdf

9/8(火) 持橋

8/25(火)

  • H. Zen, K. Tokuda, and T. Kitamura, “Reformulating the HMM as a Trajectory Model by Imposing Explicit Relationships Between Static and Dynamic Feature Vector Sequences,” Computer Speech and Language, 21(1), pp. 153-173, 2007.
  • 資料 ReformulatingtheHMMasatrajectory.pdf

7/28(火) 岩田

7/21(火) 上田

7/14(火) 持橋

7/9(木) 坂野

7/2(木) 藤野

  • Xue, G.R., et al.: Topic-bridged PLSA for Cross-Domain Text Classification. In Proc. of SIGIR'08
  • 論文: p627-xue.pdf
  • 発表資料: 090702.pdf

6/23(火) 阿部

6/16(火) 石黒

  • Fu, Song and Xing, "Dynamic Mixed Membership Blockmodel for Evolving Networks", ICML 2009.
  • ネットワークの時間変化モデルです。Dynamic Topic modelと同様の要領で、mixed membership modelを拡張します。
  • 論文: Fu09ICML.pdf
  • 発表資料: 090616.ppt

6/9(火) 青山

  • "Principal component analysis based on L1-norm maximization," N. Kwak, IEEE TPAMI, 2008. Kwak-L1PCA-TPAMI2008.pdf
  • 外れ値にロバストであると言われているL1-normを用いたPCAを簡便に行う方法。データの平均ベクトルから各データベクトルまでのL1距離の総和を最大化する方向を求める問題。この問題とは設定が少し異なる、任意の2つのベクトル間のL1距離の総和を最大化する方向を求める問題との比較も行う予定(L2の場合、両者は一致)。
  • 発表資料PCA-L1v2.090610.ppt:配布版を訂正しました。

5/26(火) 川前

5/19(火) 岩田

5/12(火) 持橋

4/28(火) 渡部

  • F. Sha and L. K. Saul (2007). Large margin hidden Markov models for automatic speech recognition. In B. Schoelkopf, J. Platt, and T. Hofmann (eds.), Advances in Neural Information Processing Systems 19, pages 1249-1256. MIT Press: Cambridge, MA. lmhmm_nips06.pdf

4/21(火)

  • J. Pineau, G. Gordon & S. Thrun "Point-based value iteration: An anytime algorithm for POMDPs''. International Joint Conference on Artificial Intelligence (IJCAI). Acapulco, Mexico. pp. 1025-1032. Aug. 2003. jpineau-ijcai03.pdf

4/14(火) 櫻井

  • 研究紹介: SPIRAL: efficient and exact model identification for hidden Markov models, KDD2008 spiral.pdf

4/2(木): NIPS 2008論文サーベイ会(3) : 藤野、青山

3/31(火): NIPS 2008論文サーベイ会(2): 川前

3/10(火): NIPS 2008論文サーベイ会(1): 岩田、石黒、上田

2/3(火) 上田

  • "Mixed Membership Stochastic Blockmodels". E. Airoldi, D. Blei, S. Fienberg, E. Xing (NIPS2008)
  • object間の関係性を表す有向グラフの生成モデル。潜在クラスを仮定し、混合潜在クラスとしてモデル化。ノンパラベイズではない、普通?のベイズ。混合比の導入がoriginal? 学習は変分近似。
  • 論文 NIPS2008_0090.pdf
  • ポスタースライド NIPS2008_0090_slide.pdf
  • 関連論文(山田追加) psk-aaai-ss2008.pdf
  • 要点解説(山田追加) MMSB.ppt

1/15(木),1/21(水) 山田

1/6(火) 持橋

2008

12/25(木) 坂野

12/15(月) 石黒

  • "Collapsed Variational Inference for HDP". Yee Whye Teh, Kenichi Kurihara, Max Welling. In NIPS 2007.
  • 論文nips2007b.pdf
  • 発表資料081215Bayes.ppt

12/9(火) 青山

  • The principal component analysis of a graph, and its relationships to spectral clustering, M. Sarens, F. Fouss, et al, Proc. ECML 2004.
  • 論文Saerens-PCA.Graph-ECML2003.pdf
  • 参考論文Fouss-RandWalk-TKDE2007.pdf
  • 資料GraphLaplacian.081209.v2.ppt
  • Graph上のrandaom walkに基づき定義されるnode間の距離(類似度)、hitting time (average first-passage time)、commute timeの計算方法(closed form 表現:Graph Laplacianの、Greville theoremを用いたMoore-Penrose一般化逆行列による)とその利用法を中心にお話します。

12/2(火)

11/25(火) 渡部

  • "APPROXIMATING THE KULLBACK LEIBLER DIVERGENCE BETWEEN GAUSSIAN MIXTURE MODELS," John R. Hershey and Peder A. Olsen, IBM, ICASSP 2007
  • 論文 kldiv_gmm.pdf
  • 資料 kl_gmm_v1.pdf

11/20(木) 亀岡

11/13(木) 川前

10/21(火) 藤野

10/9(木) 櫻井

9/30(火) 岩田

9/16(火) 上田

  • "Sampling the Dirichlet Mixture Model with Slices". Stephen G. Walker, Communications in Statistics--Simulation and Computation, 36:45-54, 2007. 論文は、6/3の持橋さんの資料のwalker07sampling.pdf です。
  • メモ資料: ueda-080916.dpmslices.ppt
  • メモ追加(山田): Slice_Sampling_yamada.ppt

9/9(火) 山田

9/2(火) 持橋

8/27(水) 石黒

8/19(火) 青山

8/12(火) 夏休み

8/5 (火) 藤野

7/29 (火) 川前

7/22 (火) 坂野

  • Paul Adrien Maurice Dirac,「一般相対性理論」から微分幾何学のやさしい講義をします.極優しいところをやるので一部の人には不要かもしれません.
  • 赤穂:情報幾何と機械学習, 計測と制御|http://www.neurosci.aist.go.jp/~akaho/papers/infogeo-sice.pdf]], [[東大集中講義発表資料
  • S.Amari, "Information Geometry of the EM and em Algorithms for Neural Networks" AmariEM.pdf
  • S.Amari, "Information Geometry on Hierarchy of Probability Distributions" 00930911.pdf
  • Bradley Efron, "Defining the Curvature of a Statistical Problem (with Applications to Second Order Efficiency)", Source: Ann. Statist. Volume 3, Number 6 (1975), 1189-1242. EfronCurvature.pdf

7/15 (火) 櫻井

  • Anna C. Gilbert, Yannis Kotidis, S. Muthukrishnan, Martin J. Strauss, "Surfing Wavelets on Streams: One-Pass Summaries for Approximate Aggregate Queries". VLDB 2001 http://www.vldb.org/conf/2001/P079.pdf

7/10 (木) 藤野

6/24 (火) 岩田

6/18 (木) 上田

  • "Coalescent theory", M. Nordborg. In D. J. Balding, M. J. Bishop, and C. Cannings, editors, Handbook of Statistical Genetics, pages 179-212. John Wiley & Sons, Inc., Chichester, U.K., 2001. wiley.pdf
  • "Genealogical trees, coalescent theory, and the analysis of genetic polymorphisms", N. A. Rosenberg and M. Nordborg. Nature Rev. Genetics,vol.3:380-390,2002. rosenberg_nordborg_2002.pdf
  • 関連資料 lecture_01.pdf
  • メモ資料 ueda0619.pptx

6/12 (木) 山田

6/3 (火) 持橋

5/26 (月) 坂野

5/13 (火) 石黒

  • "Learning Multiscale Representations of Natural Scenes Using Dirichlet Processes". Jyri J. Kivinen, Erik B. Sudderth and Michael I. Jordan. KivinenSudderthJordan2007.pdf
  • ICCV2007で発表された論文です。画像のカテゴライズにHDP (iHMM) を使っています。
  • 発表資料です。080513material.pdf

4/23 (水) 青山

  • H. Lin, C. Amanatidis, M. Sideri, R.M. Karp, and C.H. Papadimitriou: "Linked Decomposition of Networks and the Power Law of Choice in Polya Urns": http://www.eecs.berkeley.edu/~henrylin/covers_soda_full.pdf
  • Proc. SODA: LinkedDecomp.SODA.2008.pdf
  • 参考資料(Linの発表資料):Lin-soda08.ppt
  • 関連論文(Infinit Polya urn problem):General.PolyaUrnProb.2003.pdf
  • 発表資料:LinkedDecomp.v2.080423.pdf
  • PA(m)によるgraph生成とnodeのsubgraph割当てを同時に行い、特にPA processを3ステップに分ける(node数が1~n^{1/2},n/2,nの3領域で)ところに特徴があります。このgraph生成過程により証明の大部分が完了し、残りの証明の見通しも良くなっています。3章以降は、nがnode数ではなく、subgraph数(component数)に置き換わっていることに注意。

4/15 (火) 渡部

  • R. Kuhn, J.-C. Junqua, P. Nguyen, and N. Niedzielski: "Rapid speaker adaptation in eigenvoice space," IEEE Trans. SAP, vol. 8, pp. 695--707, (2000).
  • 音声認識の話者適応タスクにおける標準技術の一つです.話者適応における簡単な技術背景等も加えてお伝えできればと思います.

4/08 (火) 川前

3/25 (火) 櫻井

3/13 (木) 藤野

2/12 (火) 岩田

1/29 (火) 上田

  • P.D. Hoff, "Subset clustering of binary sequences, with an application to genomic data" subset_clustering.pdf
  • 内容的には、一部の特徴で特徴付けられるクラスターをクラスター数未知の下で見つける手法です。DPMの興味深い応用で、かつ、IRMのように特徴を排他的にクラスタ化するのではなく、多重かつソフトクラスタリングするという意味で、応用範囲が広い手法です。IBPは潜在特徴の多重抽出ですが、本論文は、顕在特徴の多重抽出のモデル化です。考え方が非常にすっきりしていて手法もシンプルなので個人的にはお気に入りなので、紹介させていただきます。
  • 式の導出等の補足資料 ueda-memo.pdf
  • SubSetClusteringtr456.pdf Technical Report 版です。(山田追加)
  • SubSpaceClusteringhoff321-344.pdf 関連論文(前回、石黒君がついでに紹介してくれたものです)。(山田追加)
  • Mike West: "Hyperparameter estimation in Dirichlet process mixture models" 92-A03.pdf (ハイパーパラメータの推定に関する文献、山田追加)
  • Michael D Escobar and Mike West: "Computing Nonparametric Hierarchical Models" escobar98computing2.pdf (同上、山田追加)

1/22 (火) 山田

  • Yee Whye Teh, Dilan Gorur and Zoubin Ghahramani "Stick-breaking Construction for the Indian Buffet Process" TehGorGha07.pdf
  • W. R. Gilks, P. Wild Adaptive Rejection Sampling for Gibbs Sampling ARSslides.pdf
  • レジュメ sb-ibp.ppt

1/8 (火) 持橋

2007

12/19 (水) 石黒 16:00- ?

12/11 (火) 青山

12/ 6 (木) 川前

11/29 (木) 櫻井 (出張のため木曜日に変更)

11/20 (火) 藤野

11/15 (木) 岩田 (出張のため木曜日に変更)

11/ 6 (火) IBISのためお休み

11/ 1 (木) 17:00- 上田 (変則開催です)

10/23 (火) 山田

  • "The nested Dirichlet Process", Abel Rodriguez, David B. Dunson, Alan E. Gelfand, Duke University. http://ftp.stat.duke.edu/WorkingPapers/06-19.html
  • 問題設定としては、例えば、全国各地に病院があるとします。各病院での(例えば)患者の分布は地域や規模等によって異なりますが、ある程度は関連して います。そこで、病院をクラスタリングしつつ、病院間でパラメータを共有しなが ら、各病院内の分布を学習しよう、という試みです。これは、Dirichlet Process Mixture モデルを拡張した、Dependent Dirichlet Process の特別な場合(簡単な場合?)になっています。Journal of the American Statistical Association, submitted. だそうです。
  • ndpreview2.pdf
  • ddpmodel.ppt
  • nDPiHMM.pdf Multi-Task Learning for Sequential Data via iHMMs and the Nested Dirichlet Process ICML2007 発表の関連論文です。

10/16 (火) 持橋

Page top ←