0

EMアルゴリズムを用いたときの観測情報行列

40
0

EMアルゴリズムの基礎 と同じ記号を用いる.

知りたいのは (θ)=logp(y|θ) のヘシアンだが, EMアルゴリズムのメリットは E[logp(y,z|θ)] を用いることで (θ) を直接評価しなくていいようにしたことだった.

そこで, E[logp(y,z|θ)] の微分を用いて logp(y|θ) の微分を表すことを考えよう.

θlogp(y|θ)=1p(y|θ)θp(y|θ)=1p(y|θ)θp(y,z|θ)dz=(θlogp(y,z|θ))p(y,z|θ)p(y|θ)dz=E[θlogp(y,z|θ)].

これを用いると次の結果が得られる.

θ(θlogp(y|θ))=θ(θlogp(y,z|θ))p(y,z|θ)p(y|θ)dz+(θlogp(y,z|θ))(θp(y,zθ))dzp(y|θ)(θlogp(y,z|θ))p(y,z|θ){p(y|θ)}2dz=E[2θθlogp(y,z|θ)]V[θlogp(y,z|θ)].

ここでは f(z)p(z|y) による条件付き分散を V[f(z)]と書いた.

投稿日:2023720
OptHub AI Competition

この記事を高評価した人

高評価したユーザはいません

この記事に送られたバッジ

バッジはありません。
バッチを贈って投稿者を応援しよう

バッチを贈ると投稿者に現金やAmazonのギフトカードが還元されます。

投稿者

cocotan
0
2530

コメント

他の人のコメント

コメントはありません。
読み込み中...
読み込み中