スパース性とベイズ推定

L2ノルム最適化において,事前情報として独立した同一の正規分布を仮定する所,各要素に固有の分散を考える事でスパースネスな解が得られる(スパースベイズ推定).独立した成分(因子)という強い仮定を満たす時(信号が複数の独立した成分の加法的集合であると仮定できる時),スパース性を考える事とベイズ的に考える事は相関的というか,かたやスパーススパースといい,かたやベイズ因子分析,ベイズ判別分析(~ARD, Automated Relevance Determination;ガウス過程を用いた(非線形)回帰ではなくベイズ推定を用いた(線形)回帰)とベイズベイズ言っているけど,単純化すればどちらもL1ノルム最小化問題だなと(コストや制約,最適化手法でスパースネスに差が出てくるが).

カテゴリー: 未分類 パーマリンク

コメントを残す

以下に詳細を記入するか、アイコンをクリックしてログインしてください。

WordPress.com ロゴ

WordPress.com アカウントを使ってコメントしています。 ログアウト /  変更 )

Google フォト

Google アカウントを使ってコメントしています。 ログアウト /  変更 )

Twitter 画像

Twitter アカウントを使ってコメントしています。 ログアウト /  変更 )

Facebook の写真

Facebook アカウントを使ってコメントしています。 ログアウト /  変更 )

%s と連携中

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください