階層ベイズ法を用いた柔軟な学習モデルの開発と理論神経科学への応用

使用分层贝叶斯方法开发灵活的学习模型及其在理论神经科学中的应用

基本信息

批准号：
06J07889
负责人：
平山淳一郎
金额：
$ 1.22万
依托单位：
Nara Institute of Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2006
资助国家：
日本
起止时间：
2006 至 2007
项目状态：
已结题

项目摘要

本年度の研究では,確率モデルと階層ベイズ手法を用い,個人ごとの異質性や時間的な変動など,データ生成の統計的性質が状況によって異なる場合に柔軟に対処しうる学習モデルの開発と応用を行った.応用として,とくに新規な工学問題への適用と,脳機能の計算論的モデル化を行った.1.異なる統計的構造をもつ複数の予測課題を協調的に解く手法を,ベイジアンネットワークを個々の予測モデルとし,モデル間の類似性をベイズ推定とその一般化に基づき評価することで実現した.提案手法は近年注目を集めるユーザモデリングと協調フィルタリングの2種類の実問題へと適用され,個々の課題が十分なサンプル数を持たない状況においても高精度の予測が実現されることが示された.これらの成果は現在2つの国際論文誌に投稿中である.2.確率モデルに基づく新たなハイブリッド型協調フィルタリング手法を提案した.提案手法は階層ベイズモデルとして定式化され,個人間の異質性に対処しつつ,ユーザやアイテムの特徴量を加味して協調フィルタリングが実現される.この結果は国際会議にて発表済みである.3.小脳が実現するとされる複数のモジュールに基づく運動学習の計算論的原理の解明を目指し,確率モデルによるモジュール切り替え型学習・予測制御モデル(確率型モザイク)を提案した.これは制御理論に基づく既存モデル(モザイク)に,統計的推定の視点を取り入れたものである.統計的定式化は,運動学習における不確かさを理論的に扱う上で意義が大きい.この成果は国際論文誌に受理された.

今年的研究使用概率模型和分层贝叶斯方法来开发和应用一种学习模型，该模型可以灵活处理数据生成的统计特性根据情况而变化的情况，例如个体异质性和时间波动，我们专门作为应用。将其应用于新的工程问题和大脑功能的计算建模 1.我们开发了一种协作解决具有不同统计结构的多个预测任务的方法。这是通过使用贝叶斯网络作为个体预测模型，并基于贝叶斯估计及其泛化来评估模型之间的相似性来实现的。该方法适用于用户建模和协同过滤两类实际问题，这两个问题在近年来的研究表明，即使在单个任务没有足够数量的样本的情况下，也可以实现高度准确的预测。 2.我们提出了一种基于概率模型的新型混合协同过滤方法。该方法被表述为层次贝叶斯模型，在处理个体之间的异质性的同时也提高了用户和特征的考虑，实现了协同过滤项目。这个结果已经在国际会议上提出。3。据说是由小脑实现的多个模块。为了阐明运动学习的计算原理，我们提出了一种基于随机模型的模块切换学习/预测控制模型（随机镶嵌），该统计公式对于理论上处理运动学习中的不确定性具有重要意义。该结果被接受。由国际期刊。