최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 성균관대학교 SungKyunKwan University |
---|---|
연구책임자 | 이경재 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2023-06 |
과제시작연도 | 2022 |
주관부처 | 과학기술정보통신부 Ministry of Science and ICT |
등록번호 | TRKO202300012215 |
과제고유번호 | 1711171386 |
사업명 | 개인기초연구(과기정통부) |
DB 구축일자 | 2023-10-25 |
키워드 | 네트워크 학습.고차원 자료.확장성.사후분포 수렴속도.Network learning.High-dimensional data.Scalability.Posterior convergence rate. |
연구개요
다변량 자료의 공분산 행렬 또는 그 역행렬을 추정하는 것은 변수 간의 종속 구조를 추론하기 위한 중요한 절차이며, 이는 네트워크 학습으로도 불린다. 본 연구과제에서는 변수의 개수가 매우 많은 고차원 자료에도 적용 가능한, 확장성(scalability)이 있는 베이지안 네트워크 학습 기법들을 개발하였다.
연구 목표대비 연구결과
초기 연구목표였던 스크리닝 절차를 통한 희박 공분산 행렬의 사전분포를개발하였으며, 그로부터 얻어지는 사후분포의 이론적인 성질 또한 규명하였다. 또한 추가로 밴드 공분산 행렬을
※ AI-Helper는 부적절한 답변을 할 수 있습니다.