@techreport{oai:ipsj.ixsq.nii.ac.jp:00218580,
 author = {竹川, 高志 and Takashi, Takekawa},
 issue = {10},
 month = {Jun},
 note = {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．, 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.},
 title = {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},
 year = {2022}
}