若手研究者のための招待講演会
TRANSCRIPT
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
[招待講演] Cover先生の研究室で思い出に残っているテーマ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
鈴木 譲
大阪大学
2012年 12月 11日SITA 2012 (別府)
.
.
.
.
1 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
Road Map
.
.. 1 Cover先生と私
.
..
2 準備
.
..
3 Cover先生が提起した未解決問題
.
..
4 ユニバーサルな予測の一般化
.
..
5 まとめ
.
.
.
.
2 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
予測とは?
.
xn := (x1, · · · , xn) ∈ {0, 1}nから、xn+1 ∈ {0, 1}を予測
.
.
.
. ..
.
.
xnのもとでの xn+1の確率の推定値Q(xn+1|xn)を構成
たとえば、
.
.
.
1 Q(xn+1|xn) = (1
2,1
2)
.
.
.
2 c を xn での xn+1 の頻度として、Q(xn+1|xn) = (n − c
n,c
n)
.
.
.
3 Q(xn+1|xn) = (n − c + 1
n + 2,c + 1
n + 2)
.
ねらい: 真の確率 P(xn+1|xn)に収束させたい
.
.
.
. ..
.
.
Q(xn+1|xn) −→ P(xn+1|xn) (n → ∞)
.
.
.
.
3 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
符号化・符号語・一意復号可能
A: 有限集合 (有限アルファベット)φ : An → {0, 1}∗ 符号化
.
l : An → N+が φの長さ
.
.
.
. ..
.
.
符号語 φ(xn) ∈ {0, 1}l(xn)となるときの、xn 7→ l(xn)の対応
l が一意復号可能な符号化の長さ
⇐⇒ l が瞬時復号可能な符号化の長さ
⇐⇒∑xn∈An
2−l(xn) ≤ 1
(→ Elements of Information Theory)
.
.
.
.
4 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
エントロピー
Pn: xn ∈ Anの確率 (定常エルゴード)
H := limn→∞
1
n
∑xn
−P(xn) logP(xn) (エントロピー)
.
Shannon-McMillan-Breimanの定理
.
.
.
. ..
.
.
確率 1で、−1
nlogPn(xn) → H (n → ∞)
証明 (独立のときのみ): Pn(xn) = P(x1) · · ·P(xn)
−1
nlogPn(xn) =
1
n
n∑i=1
− logP(xi ) → E [− logP(X )] = H
(大数の強法則)
.
.
.
.
5 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
ユニバーサルデータ圧縮
例: l(xn) := ⌈− logPn(xn)⌉∑xn∈An
2−l(xn) ≤ 1
l(xn)
n→ H
は、確率 Pnが未知だと、長さ l を構成できない。
.
ユニバーサルデータ圧縮
.
.
.
. ..
.
.
Pnが未知でも、l(xn) := − logQn(xn)が上記 2条件を満足
.
.
.
.
6 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
例: Bayes符号
2進アルファベット A = {0, 1}、独立情報源、0 ≤ θ ≤ 1として
Qn(xn) =
∫w(θ)P(xn|θ)dθ
a, b > 0, c を xn ∈ Anにおける xi = 1の頻度として、
w(θ) =Γ(a+ b)
Γ(a)Γ(b)θa−1(1− θ)b−1 , P(xn|θ) = θc(1− θ)n−c
⇐⇒ Q(xn) =Γ(a+ b)
Γ(a)Γ(b)· Γ(c + a)Γ(n − c + b)
Γ(n + a+ b)
a = b = 1/2 (Krichevsky-Trofimov)と Stirlingの公式から、
−1
nlogQn(xn) → H
.
.
.
.
7 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
ユニバーサル性
−1
nlogPn(xn) → H
−1
nlogQn(xn) → H
.
QnがユニバーサルなBayes測度
.
.
.
. ..
.
.
すべての Pnについて、
1
nlog
Pn(xn)
Qn(xn)→ 0
有限アルファベット A = {0, 1, · · · ,m − 1}
情報源が定常エルゴード
.
.
.
.
8 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
1975年にモスクワで、Cover先生が提起した未解決問題
1ドル賭けて、勝てば 2ドル、負ければ戻ってこない
A = {0, 1}, Pnは未知
.
..
1 1を、(Q(0|x0),Q(1|x0))で賭ける
.
.
.
2 x1 = 0
.
.
.
3 1 → 2Q(0|x0)を、(Q(0|x1),Q(1|x1))で賭ける
.
.
.
4 x2 = 1
.
.
.
5 2Q(0|x0) → 2Q(0|x0) · 2Q(1|x1)を、(Q(0|x2),Q(1|x2))で賭ける
.
.
.
6 · · ·
2Q(x1|x0) · 2Q(x2|x1) · · · 2Q(xn|xn−1) = 2nQn(xn)
Pn を知っている人は、2nPn(xn)
.
.
.
.
9 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
未解決問題 1
.
ユニバーサルな賭けの存在
.
.
.
. ..
.
.
どのような定常エルゴードな (未知の)Pnについても
1
nlog[2nQn(xn)] → 1
nlog[2nPn(xn)]
(n → ∞) となるような計算可能なQnは存在するか。
存在する:
Pnを知らなくても、Pnを知っている人と同程度に勝てる
(ユニバーサルデータ圧縮)
.
.
.
.
10 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
未解決問題 2
.
ユニバーサルな予測の存在 (その 1)
.
.
.
. ..
.
.
どのような定常エルゴードな (未知の)P についても、各 x0 ∈ {0, 1}について、
Q(x0|x−1−n ) → P(x0|x−1
−∞)
(n → ∞)となるようなQ は存在するか。
存在する:
Ornstein 1978 (有限アルファベット)
Algoet 1992 (一般)
.
.
.
.
11 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
証明: (Morvai, Yakowitz, Gyorfy, 1996)
0 = λ0 → τ1 → λ1 → τ2 → · · ·
· · ·X−λj−1−τj · · ·X−1−τj︸ ︷︷ ︸λj−1
X−τj · · ·
︸ ︷︷ ︸τj
X−λj−1· · ·X−1︸ ︷︷ ︸
λj−1
︸ ︷︷ ︸λj :=λj−1+τj
X0
1
k
k∑j=1
X−τj → Q(X0 = 1|X−1−∞)
.
.
.
.
12 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
未解決問題 2
.
ユニバーサルな予測の存在 (その 2)
.
.
.
. ..
.
.
どのような定常エルゴードな (未知の)P についても、各 xn+1 ∈ {0, 1}について、
Q(xn+1|xn) → P(xn+1|xn)
(n → ∞)となるようなQ は存在するか。
存在しない:
Shields, 1991 (Cutting and Stacking)
Algoet, 1997
.
.
.
.
13 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
証明
状態 s: · · · 1s︷ ︸︸ ︷
0 · · · 0︸ ︷︷ ︸xn
xn+1
q(s): 状態 s に初めて到達したときのQ(1|s)
P(1|s) :={
3/4 (q(s) ≤ 1/2)1/4 (q(s) > 1/2)
確率 1でどの状態 s も生じるので、
|P(xn+1|xn)− Q(xn+1|xn)| ≥ 1/4
が確率 1で無限回生じる。
.
.
.
.
14 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
未解決問題 3: ポートフォリオ (賭けの一般化)
(X0,X1): 非負の値をとる確率変数の組
bi = (b(0)i , b
(1)i ), b
(0)i + b
(1)i = 1
(bi ,Xi ) := b(0)i X
(0)i + b
(1)i X
(1)i
bi : xi−1に基づいて決めた戦略 =⇒ Sn :=
∏ni=1(bi ,Xi )
b∗i = bi : Xnの分布に基づいた最適な戦略 =⇒ S∗
n :=∏n
i=1(b∗i ,Xi )
.
問題 3: ユニバーサルなポートフォリオの存在
.
.
.
. ..
.
.
どのような定常エルゴードな (未知の)X nの分布についても、
1
nlog Sn → 1
nlog S∗
n
(n → ∞)となるような (b1, · · · , bn)は存在するか。
存在する (→ Elements of Information Theory)
.
.
.
.
15 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
ユニバーサルな予測のBayes的方法
(c0, c1) := (n − c , c) (xnでの (0, 1)の頻度)
Qn(xn) =Γ(a+ b)
Γ(a)Γ(b)· Γ(c + a)Γ(n − c + b)
Γ(n + a+ b)
Γ(x + 1) = xΓ(x), x > 0 より、a = b = 1/2のとき
(Q(0|xn),Q(1|xn)) = (n − c + a
n + a+ b,
c + a
n + a+ b) = (
c0 + 1/2
n + 1,c1 + 1/2
n + 1)
一般には、A = {0, 1, · · · ,m − 1}として、
(Q(0|xn), · · · ,Q(m − 1|xn)) = (c0 + 1/2
n +m/2, · · · , cm−1 + 1/2
n +m/2)
独立でなく、定常エルゴードの場合に拡張することは可能
.
.
.
.
16 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
ユニバーサルなBayes測度
確率変数が有限個の値をとる場合∑xn∈An
Qn(xn) ≤ 1
1
nlog
Pn(xn)
Qn(xn)→ 1
.
一般の確率変数の場合
.
.
.
. ..
.
.
ユニバーサルな Bayes測度は、どのようになるのか。
xnが連続の場合や、離散でも連続でもない場合は、どのようにして、xn+1を予測するのか
(簡単のため、独立な情報源のみを扱うが、拡張はいつでも可能)
.
.
.
.
17 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
X が確率密度関数 f をもつとき (Ryabkoの方法)
X : X の取りうる値xn = x1 · · · xn ∈ X n
.
f を複数のヒストグラム f1, f2, · · · でそれぞれ近似
.
.
.
. ..
.
.
各ヒストグラム Aj を、X を細分化した区間の集合で表現。f を近似した fj で、fj(x1) · · · fj(xn)を計算。
A0 := {X}
Aj+1 が Aj の細分
例 1: A0 = {[0, 1)}のとき、下記はこの条件を満足する:A1 = {[0, 1/2), [1/2, 1)}A2 = {[0, 1/4), [1/4, 1/2), [1/2, 3/4), [3/4, 1)}. . .
Aj = {[0, 2−(j−1)), [2−(j−1), 2 · 2−(j−1)), · · · , [(2j−1 − 1)2−(j−1), 1)}. . .
.
.
.
.
18 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
B: Rの Borel集合全体λ : B → R (Lebesgue測度, B ∋ a = [b, c) =⇒ λ(a) = c − b)
ヒストグラム Aj で、
X n ∋ (x1, · · · , xn) ∈ (a1, · · · , an) ∈ Anj のとき、
f nj (xn) := fj(x1) · · · fj(xn) =
Pj(a1) · · ·Pj(an)
λ(a1) . . . λ(an)
gnj (x
n) :=Qn
j (a1, · · · , an)λ(a1) · · ·λ(an)
.
.
.
.
19 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
{ωj}∞j=1:∑
ωj = 1, ωj > 0,
gn(xn) :=∞∑j=1
ωjgnj (x
n)
{Aj}をどのような f についても、j → ∞で
h(f ) :=
∫−f (x) log f (x)dλ(x)
として、h(fj) → h(f ) となるように選ぶと、
1
nlog
f n(xn)
gn(xn)→ 0
B. Ryabko. IEEE Trans. on Inform. Theory, 55, 9, 2009.
.
.
.
.
20 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
確率変数 X に確率密度関数が存在するための必要十分条件
µ(D): D ∈ Bの確率
.
確率密度関数が存在する必要十分条件
.
.
.
. ..
.
.
以下は、同値 (µ ≪ λ)
各 D ∈ Bで、λ(D) = 0 =⇒ µ(D) = 0
µ(D) =
∫D
f (t)dλ(t)なる B可測な dµ
dλ:= f が存在
参考: f : R → Rが B可測⇐⇒各 D ∈ Bについて、{x ∈ R|f (x) ∈ D} ∈ B(Lebesgue積分を適用する条件)
.
.
.
.
21 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
一般化確率密度関数の推定
.
Radon-Nikodymの定理
.
.
.
. ..
.
.
以下は同値 (µ ≪ η):
各 D ∈ Bで、η(D) = 0 =⇒ µ(D) = 0
µ(D) =
∫D
f (t)dη(t)なる F 可測な dµ
dη:= f が存在
例 2: µ({k}) > 0, η({k}) := 1
k(k + 1), k ∈ Y := {1, 2, · · · }
µ(D) =∑k∈D
f (k)η({k}) , D ⊆ Y
µ ≪ η =⇒ dµ
dη(k) = f (k) =
µ({k})η({k})
= k(k + 1)µ({k})
.
.
.
.
22 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~
.
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
B1 := {{1}, {2, 3, · · · }}B2 := {{1}, {2}, {3, 4, · · · }}. . .Bk := {{1}, {2}, · · · , {k}, {k + 1, k + 2, · · · }}. . .ヒストグラム Bk で、
Yn ∋ (y1, · · · , yn) ∈ (b1, · · · , bn) ∈ Bnk のとき、
f nk (yn) := fk(y1) · · · fk(yn) =
Pk(b1) · · ·Pk(bn)
η(b1) . . . η(bn)
gnk (y
n) :=Qn
k (b1, · · · , bn)λ(b1) · · ·λ(bn)
.
.
.
.
23 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~ .
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
{Bk}をどのような f についても、k → ∞で (fk) → h(f ) となるように選ぶと、
1
nlog
f n(yn)
gn(yn)→ 0
gn(yn)η({y1}) · · · η({yn})が、P(yn) = f n(yn)η({y1}) · · · η({yn}) の推定になる
.
.
.
.
24 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~ .
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
有限アルファベットの場合も特種ケースとして含まれる
例 3: Z := {0, 1, · · · ,m − 1}
C0 = {Z},C1 = C2 = · · · = {{0}, {1}, · · · , {m − 1}}
η({0}) = · · · η({m − 1}) = 1/m
とおけば、µ ≪ η
zn ∈ Cn ⇐⇒ cn ∈ Cn1 = Cn
2 = · · ·
=⇒
f n(zn) =
Pn(cn)
(1/m)n,
gn1 (z
n) = gn2 (z
n) = · · · = gn(zn) =∞∑l=1
ωlgnl (z
n) =Qn(cn)
(1/m)n
=⇒ 1
nlog
f n(zn)
gn(zn)=
1
nlog
Pn(cn)
Qn(cn)→ 0
.
.
.
.
25 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~ .
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
(X ,Y ) ∈ X × Y例 4: 例 1と例 2の {Aj}, {Bk}から、{Aj × Bk}を構成
Qnjk : (Aj × Bk)
nの予測確率f nj ,k(x
n, yn) := fj ,k(x1, y1) · · · fj ,k(xn, yn)
=Pj ,k(a1, b1) · · ·Pj ,k(an, bn)
λ(a1) . . . λ(an)η(b1) . . . η(bn)
gnjk(x
n, yn) :=Qn
jk((a1, b1) · · · , (an, bn))λ(a1) · · ·λ(an)η(b1) · · · η(bn)∑
jk ωjk = 1, ωjk > 0,
gn(xn, yn) :=∞∑k=1
ωjkgnjk(x
n, yn)
1
nlog
f n(xn, yn)
gn(xn, yn)→ 0
.
.
.
.
26 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~ .
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
離散や連続を仮定しないユニバーサルな予測
.
Suzuki, 2011
.
.
.
. ..
.
.
µ ≪ ηのとき、ヒストグラムの列 {Aj}をもつ Bayes測度 g を構成すると、h(fj) → h(f )を満足する任意の f に対して、
1
nlog
f n(un)
gn(un)→ 0
.
一般化されたユニバーサルなBayes測度
.
.
.
. ..
.
.
g(xn+1|xn) =gn+1(xn+1)
gn(xn)→ f (xn+1|xn) =
f n+1(xn+1)
f n(xn)
各 D ∈ Bについて
ν(D|xn) =∫Dg(x |xn)dη(x)
.
.
.
.
27 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~ .
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
その他の応用例: Bayesianネットワークの構造推定
� ��Y � ��
Z-AAU
� ��X
� ��-
���
AAU
Y � ��Z
� ��X
� ��Y � ��
Z
� ��X
�AAK
� ����� AAK
Y � ��Z
� ��X
� ���
���
Y � ��Z
� ��X
� ��Y � ��
Z
���
� ��X
� ����� AAU
Y � ��Z
� ��X
� ��-
���
Y � ��Z
� ��X
� ��Y � ��
Z
� ��X
� ��-Y � ��
Z
� ��X
� ��AAK
Y � ��Z
� ��X(1) (2) (3)
(4) (5) (6)
(7) (8) (9)
(10) (11)
.
.
.
.
28 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~ .
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
(1)-(11)の構造の同定
p1, · · · , p11: 構造の事前確率
p1gn(xn)gn(yn)gn(zn),
p2gn(xn)gn(yn, zn), p3g
n(yn)gn(zn,X ), p4gn(zn)gn(xn, yn),
p5gn(xn, yn)gn(X , zn)
gn(xn), p6
gn(xn, yn)gn(yn, zn)
gn(yn), p7
gn(xn, zn)gn(yn, zn)
gn(zn),
p8gn(yn)gn(zn)gn(xn, yn, zn)
gn(yn, zn), p9
gn(zn)gn(xn)gn(xn, yn, zn)
gn(zn, xn),
p10gn(xn)gn(yn)gn(xn, yn, zn)
gn(xn, yn), p11g
n(xn, yn, zn)
.
.
.
.
29 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~ .
.
.
Cover 先生と私
.
.
準備
.
.
Cover 先生が提起した未解決問題
.
.
ユニバーサルな予測の一般化
.
.
まとめ
まとめ
.
ユニバーサルなBayes予測
.
.
.
. ..
.
.
ユニバーサルな予測
ベイジアンネットワークの構造推定
MDL基準の連続データへの適用
など、応用範囲が非常に広く、期待できる。
.
Cover先生が亡くなられたことについて
.
.
.
. ..
.
.
非常に残念ではあるが、元学生、ビジター、彼の論文を読んだ人
などに、学問に対する自由な精神は引き継がれていくはずだ。
.
.
.
.
30 / 30
.
[招待講演] Cover 先生の研究室で思い出に残っているテーマ, ~ 定常エルゴードな系列に対してのユニバーサルな予測 ~ .