続・わかりやすいパターン認識 -教師なし学習入門-

日時	内容	スライドのファイル	補足資料など	発表者
10月14日	第１章ベイズ統計学 1.1 試行と事象 1.2 ベイズの定理 1.3 頻度から確信度へ 1.4 逆問題 -結果から原因を- 1.5 ３つの扉問題	uslp-nagata-1014.pdf		永田
10月21日	第２章事前確率と事後確率 2.1 事後確率の計算 2.2 ベイズ更新 2.3 ベイズ更新の実験	ulsp-xiao-1021.pptm		Xiao
10月28日	第３章ベイズ決定則 3.1 パターン認識 3.2 事後確率最大化 3.3 事前確率の効果 3.4 ベイズ誤り確率	uslp-kikuchi-1028.pdf		菊池
11月4日	第４章パラメータ推定 4.1 学習とパラメータ推定 4.2 最尤推定 4.3 ベイズ推定 4.4 ベータ分布 4.5 共役事前分布 4.6 ベイズ推定における推定値の特定 4.7 ベイズ推定の実験 4.8 最尤推定とベイズ推定の比較 4.9 ディリクレ分布	ulsp-kouno-1104.pdf		河野
11月11日	第５章教師付き学習と教師なし学習 5.1 学習のための２つの観測方法 5.2 最尤推定に必要な数学 5.3 教師付き学習 5.4 教師なし学習 5.5 教師なし学習の実験	uslp-kunii-1111.pdf		國井
11月21日	第６章 EMアルゴリズム 6.1 教師なし学習に伴う問題 6.2 log-sum から sum-log へ 6.3 Q関数の特性 6.4 Q関数の最大化 6.5 EMアルゴリズムと補助関数法	ulsp-onodera-1121.pdf		小野寺
11月25日	第７章マルコフモデル 7.1 マルコフ性とマルコフモデル 7.2 マルコフモデルのパラメータ推定	ulsp-xiao-1125.pptx		Xiao
12月2日	第８章隠れマルコフモデル 8.1 隠れマルコフモデルとは 8.2 前向き・後ろ向きアルゴリズム 8.3 ビタービアルゴリズム 8.4 バウム・ウェルチアルゴリズム 8.5 隠れマルコフモデルによる識別系 8.6 隠れマルコフモデルの実験			永田
12月5日	第９章混合分布のパラメータ推定 9.1 混合分布に対するパラメトリックな学習 9.2 教師付き学習によるパラメータ推定 9.3 教師なし学習によるパラメータ推定 9.4 混合正規分布のパラメータ推定 9.5 混合正規分布のパラメータ推定実験	ulsp-kikuchi-1205.pdf		菊池
1月6日	第１０章クラスタリング 10.1 クラスタリングとは 10.2 K-means 法 10.3 K-means 法の実験 10.4 K-means 法と EM アルゴリズム 10.5 凸クラスタリング法 10.6 クラスタ数の推定			國井
1月14日	第１１章ノンパラメトリックベイズモデル 11.1 分割の確率モデル 11.2 ホップの壺モデル 11.3 中華料理店過程 11.4 事前確率のための確率モデル 11.5 ディリクレ分布から分割ルールへ 11.6 ディリクレ過程の数学	ulsp-shinnou-0114.pdf		新納
1月20日	第１２章ディリクレ過程混合モデルによるクラスタリング 12.1 ディリクレ過程混合モデルとその学習法 12.2 ノンパラメトリックベイズモデルの実験	ulsp-kouno-0120.pdf		河野
	第１３章共クラスタリング 13.1 関係データに対する共クラスタリング 13.2 無限関係モデル(IRM) 13.3 IRM の学習	省略	省略