これらのキーワードがハイライトされています：潜在変数 隠れ変数
観測変数 x\in\mathcal{X} と 潜在変数 h\in\mathcal{H} の両方を合わせた変数 z=(x,h) でモデル化された結合カーネルが既知とする．
k(z_i,z_j),\text{ }z_i=(x_i,h_i),\text{ }z_j=(x_j,h_j)
潜在変数の値は未知だが，潜在変数の事後分布 p(h|x) を何らかの方法でモデル化すれば，結合カーネルの潜在変数についての期待値は計算できる．この期待値は次式になり，これを周辺化カーネルと呼ぶ．
k(x_i,x_j)=\sum_{h_i\in\mathcal{H}}\;\sum_{h_j\in\mathcal{H}} \;p(h_i|x_i)p(h_j|x_j)k(z_i,z_j)
-- しましま
関連項目†
リンク集†
関連文献†
- 基本文献
K.Tsuda, T.Kin, and K.Asai "Marginalized kernels for biological sequences" Bioinformatics, vol.18, pp.S268-S275 (2002)
GoogleScholarAll:Marginalized kernels for biological sequences
- 津田宏治 "カーネル設計の技術" IBIS2002, pp.1-10 (2002)
- 構造化データのためのカーネルのサーベイ KDD Explorations, vol.5, issue 1
(タイトルがなぜか"Kernel-based Learning in Multi-Relational Data Mining"になっている)
T. Gärtner, "A Survey of Kernels for Structured Data", SIGKDD Explorations, vol.5, issue 1, pp.49-58 (2003)
GoogleScholarAll:A Survey of Kernels for Structured Data
![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
