混合Normal Inverse Gaussianモデルに対する変分ベイズとギブスサンプリングの比較

• Item type: SIG Technical Reports(1)
• 公開日: 2022-06-20
• タイトル: 混合Normal Inverse Gaussianモデルに対する変分ベイズとギブスサンプリングの比較
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 工学院大学情報学部
• 著者所属(英): en
• 著者所属(英): Faculty of Informatics, Kogakuin University of Technology and Engineering
• 著者名: 竹川, 高志
• 著者名(英): Takashi, Takekawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: データのクラスタリングに，多変量正規分布による混合分布モデル (GMM) が広く用いられている．しかし，一般にデータは非対称性や非正規性を持つため，GMM によるクラスタリング性能は必ずしも十分ではない．GMM の欠点を補うため，非対称性と非正規性を考慮した Normal Inverse Gaussian (NIG) 分布の混合モデル (NIGMM) の定式化を行い，変分ベイズ (VB) とギブスサンプリング (GS) の実装を行った．同じモデルに対して VB と GS が異なる結果を示すため，クラスタリング性能，モデルエビデンス，WAIC，計算時間について評価を行った．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Mixture models for multivariate normal distributions (GMM) are widely used for data clustering. To compensate for the shortcomings of GMMs, we formulated a mixture model for normal Inverse Gaussian distribution (NIGMM) that takes asymmetry and non-normality into account. To evaluate the performance of NIGMM, we implemented fast variational Bayesian (VB) and Gibbs sampling (GS) solution using GPU parallelization. We evaluate these implementations for clustering performance, model evidence, WAIC, and computation time.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2022-MPS-138, 号 10, p. 1-4, 発行日 2022-06-20
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会