抄録

◎高橋茶子・安田宗樹（山形大/科学技術振興機構）

Gaussian-Bernoulli restricted Boltzmann machine(GBRBM)は，連続値の入力データを扱うことができる可視層と隠れ層の２層構造から成る確率的学習モデルであり，深層学習の基礎コンポーネントの一つとなっている．本論文では，GBRBMに対する２つの異なる種類の平均場近似について議論する．確率変数全体に対して平均場近似を適用する従来的な方法と，モデルを事前に周辺化して一部の確率変数のみに平均場近似を適用する方法の２つである．これら２つの平均場近似法を定性的・定量的に比較し，どちらの手法がより優れた手法であるのかを明らかにする．