内容説明
ベイジアンネットワーク（ＢＮ）は、確率的に与えられる知識の一般的な表現方法である。ＢＮに関して種々の情報が交錯しているが、本書では、理論的に実証されている事柄についてのみ取り上げ、予備知識を仮定せず、大学初年次の微分積分および線形代数の素養があれば、証明を追うだけですべて理解できるｓｅｌｆ‐ｃｏｎｔａｉｎｅｄな内容になっている。４部構成で、具体的な例を盛り込みながら丁寧に解説。ＢＮの理論的な把握をしたい情報処理技術者、確率論の応用に興味のある応用数理の学生、研究者にとって斯学の絶好の入門書である。
目次
１ 確率論の基礎（集合；確率；分布関数；Ｋｕｉｉｂａｃｋ‐Ｌｅｉｂｌｅｒ情報量）
２ グラフィカルモデル（条件付独立性；無向グラフ；Ｍａｒｋｏｖネットワーク依存モデルの無向グラフによる表現；有向グラフ；Ｂａｙｅｓｉａｎネットワーク：依存モデルの有向非巡回グラフによる表現）
３ 統計的学習（大数の法則と中心極限定理；データ圧縮；ＭＤＬ基準；条件付確率の推定；有限型Ｂａｙｅｓｉａｎネットワークの学習；Ｇａｕｓｓ型Ｂａｙｅｓｉａｎネットワークの学習）
４ 確率的推論（確率分布の計算；確率的推論におけるＮＰ困難性；統計力学との関連）
著者等紹介
鈴木譲［スズキジョウ］
１９６０年東京都生まれ。１９８４年早稲田大学理工学部卒業。１９８９年早稲田大学大学院理工学研究科退学、同大学助手、青山学院大学理工学部助手、大阪大学理学部講師、Ｓｔａｎｆｏｒｄ大学客員講師（’９５‐’９７）、Ｂｒｏｗｎ大学客員科学者（’９８）、Ｙａｌｅ大学客員助教授（’０１‐’０２）等を経て、大阪大学大学院理学研究科准教授。博士（工学）（本データはこの書籍が刊行された当時に掲載されていたものです）
※書籍に掲載されている著者及び編者、訳者、監修者、イラストレーターなどの紹介情報です。
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
葉
