著者

竹澤 邦夫

出版者

一般社団法人 システム制御情報学会

雑誌

システム/制御/情報 (ISSN:09161600)

巻号頁・発行日

vol.54, no.3, pp.86-91, 2010

参考文献数

22

著者

竹澤 邦夫

出版者

日本知能情報ファジィ学会

雑誌

日本ファジィ学会誌 (ISSN:0915647X)

巻号頁・発行日

vol.7, no.1, pp.205-209, 1995-02-15 (Released:2017-09-22)

参考文献数

13

被引用文献数

1

---

従来の可能性回帰は異常値に弱い。そこで、「平行な2本の直線の間にかなりの数のデータがある、という条件の下で、2本の直線の切片の差を小さくする」という方針に基づく可能性回帰アルゴリズムを開発した。この方法は、データの中に占める異常値の割合によらず対応でき、アルゴリズムが単純なため容易に実施でき、結果の解釈がしやすい点に特徴がある。また、この方法を応用すれば、可能性回帰の文脈に沿った、しかも、異常値に対して頑健なLOWESS(LOcally WEighted Scatter plot Smoothing)を実現することができる。

著者

佐藤 守 竹澤 邦夫

出版者

一般社団法人 園芸学会

雑誌

園芸学研究 (ISSN:13472658)

巻号頁・発行日

vol.13, no.3, pp.193-201, 2014 (Released:2014-09-30)

参考文献数

26

被引用文献数

1

---

気象要因による生育予測法により四倍体無核ブドウ‘あづましずく’の発育特性について検討した.発芽期から着色開始期までは日平均気温で予測モデルに係らず実用的な予測が可能であった.発芽については,‘あづましずく’は‘巨峰’よりも自発休眠覚醒に要する低温要求量が少ないものと推察された.開花期は展葉期よりも発芽期を起算日とした場合が,年による予測誤差が少なかった.有効積算温度法の発育零点は開花期までは0°C,着色開始期では5°Cで予測精度が高かった.

著者

竹澤 邦夫

出版者

応用統計学会

雑誌

応用統計学 (ISSN:02850370)

巻号頁・発行日

vol.40, no.2, pp.81-86, 2011 (Released:2012-03-26)

参考文献数

4

被引用文献数

1 1

---

誤差が互いに独立で同一の正規分布に従っているときのAIC (Akaike's Information Criterion, 赤池の情報量基準) においては,誤差分散として最尤推定量を用いる.しかし,不偏推定量を用いることもできる.そのときの AIC を AIC' と呼ぶとする.また,誤差分散を可変にすると,最尤推定量とも不偏推定量とも異なる誤差分散が得られる.

著者

竹澤 邦夫

出版者

Japanese Society of Applied Statistics

雑誌

応用統計学 (ISSN:02850370)

巻号頁・発行日

vol.32, no.1, pp.31-42, 2003-07-31 (Released:2009-06-12)

参考文献数

14

被引用文献数

1

---

クロスバリデーションを用いて重回帰式の予測変数の選択を行うと,最適とは見なされない回帰式が選択されてしまうことがある.この問題に対処する手段として,クロスバリデーションの値に予測変数の数に比例する補正項を加える方法を提案する.回帰式を最適化するための基準をデータに基づいて最適化する方法の一種である.この方法は,ラグランジェの未定常数法を媒介にすることによって,クロスモデルバリデーションと関連づけることができる,また,二重クロスバリデーションを発展させたものと見なせる.

著者

竹澤 邦夫 二宮 正士 吉田 康子 本郷 千春 徳井 和久 伊東 明彦 竹島 敏明

出版者

システム農学会

雑誌

システム農学 (ISSN:09137548)

巻号頁・発行日

vol.25, no.2, pp.121-127, 2009-04-10

---

リモートセンシングデータを用いて水稲の収量を高い精度で推定する方法として、当該年次と過去の年次のデータに異なった重みをつけることが考えられる。その際、過去の年次のデータに対する重みとして年次によって異なる値を用いることができる。その際の重みの値を最適化するために確率的な最適化手法を試みた。回帰式として重回帰式を用いた。その結果、ここで用いたデータに関しては年次によって異なる値を用いた場合はむしろ予測誤差が大きくなってしまうことが分かった。過去のデータと当該年度のデータに対する重みとして全て同じ値を用いた場合に予測誤差が最も小さくなった。これは、回帰におけるパラメータの数を多くしすぎると過剰適合によって予測誤差が大きくなる現象の一例と考えられる。しかし、最適化された重みに対して収縮手法を用いることによって全ての重みの値を等しくした場合よりも予測誤差が小さくなることも分かった。