検索対象:     
報告書番号:
※ 半角英数字
 年 ~ 
 年

階層的混合分布の学習

Hierarchical mixture Learning

相田 敏明*; 秦 はるひ   ; 笹倉 万里子*; 横山 薫

Aida, Toshiaki*; Hata, Haruhi; Sasakura, Mariko*; Yokoyama, Kaoru

座標データの集合から、それを発生した確率分布を推測する方法として"混合正規分布の学習"法がよく知られている。本研究では、複雑な混合分布が複数混合されている状況において、観測された座標データから"混合分布間の混合比、ある混合分布内の要素的分布の混合比とそれらのパラメータ"を推測する。これは、従来の混合正規分布学習を階層的に定式化することにより実現される。$$gamma$$線エネルギースペクトルからの核種組成推定問題へ応用することにより、我々の学習法の有効性について議論、報告する。

"Gaussian Mixture Learning" is a well-known method to infer the probability distribution from a set of coordinate data it generated. In this study, a mixture distribution is composed of complex mixture ones, and generates the data we observe. Then, we estimate "the mixture ratio among mixture distributions" and "the ratio and parameters of elemental distributions in each mixture" from the data. Our approach is based on the hierarchical formulation of Gaussian Mixture Learning. We discuss and report the effectiveness of this learning method, applying it to the estimation problems of nuclides' components in $$gamma$$-ray energy spectra.

Access

:

- Accesses

InCites™

:

Altmetrics

:

[CLARIVATE ANALYTICS], [WEB OF SCIENCE], [HIGHLY CITED PAPER & CUP LOGO] and [HOT PAPER & FIRE LOGO] are trademarks of Clarivate Analytics, and/or its affiliated company or companies, and used herein by permission and/or license.