WEKO3
アイテム
ランジュバン・モンテカルロ法の使い方と応用例
https://repo.qst.go.jp/records/2003911
https://repo.qst.go.jp/records/200391110f47f70-369d-4e24-b3e7-536cab373a18
| アイテムタイプ | 一般雑誌記事 / Article(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2025-08-13 | |||||||
| タイトル | ||||||||
| タイトル | ランジュバン・モンテカルロ法の使い方と応用例 | |||||||
| 言語 | ja | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||
| 資源タイプ | article | |||||||
| 著者 |
間島 慶
× 間島 慶
|
|||||||
| 抄録 | ||||||||
| 内容記述タイプ | Abstract | |||||||
| 内容記述 | ベイズ推定は機械学習において、過学習を防いだり、予測の不確実性を扱う自然なフレームワークを提供してくれる。しかし、ベイズ推定において事後分布・予測分布を解析的に得られるケースはそう多くない。事後分布・予測分布が解析的に得られない場合でも、マルコフ連鎖モンテカルロ法を用いることで、事後分布・予測分布からのサンプリングが可能となり、ベイズ推定の適用範囲を広げることができる。本解説では、マルコフ連鎖モンテカルロ法の一つであり、深層学習への導入も容易なランジュバン・モンテカルロ法の初学者へ向けた解説を行う。 | |||||||
| 書誌情報 |
日本神経回路学会誌 巻 32, 号 2, 発行日 2025-07 |
|||||||
| 出版者 | ||||||||
| 出版者 | 日本神経回路学会 | |||||||
| 関連サイト | ||||||||
| 識別子タイプ | URI | |||||||
| 関連識別子 | https://www.jstage.jst.go.jp/browse/jnns/32/2/_contents/-char/ja | |||||||
