SlideShare una empresa de Scribd logo
1 de 34
Descargar para leer sin conexión
6章 統計 物理学 へ の応用
6.1 最大エントロピー 原理
r
最大 エントロピー原理 ・
最小自由 エネルギ原理を
情報幾何 定式化 から
導出 する、
@ 統計 力学概観
今、
n 個 の 同種の 原子から 成孫を考える 、
運動 量 は rmた 、
加 は、 阿 順 に は速度) なので、
この系は 、
(かるい ま げ で はない かい た が 、
-
Pan ,
Pan 、
En) で
書ける
この 体系 において、
徳久 小領域 は以下の よう になる
dた dx.dhdzihpadp.dz、
一
dpzn
この 体積を 微小領域の 状態の 数と 見なし
がいで 、
さらに
"
微小な基本領域 をし とおく 。
この 時 、番目 の 微小領域の
状態 数 9 j は
gja 興
L。
今 、
体系に 14 個 の 代表 点がある 状況を考える、
5 番目の 微小領域 に 入る 代表点の 個数 を心と
する
N
こる Nj こ Const
j い が1番目 の
倪文小領域 に Nj 個 の 代表点を おく 時 の
分配の
方法 は 、
全ての 微小領域を 同等 に 扱う と 、
IN CM 、
- . -
Nj
-
) =
バ恭が 9 代では
9バー (*1
MM-
M -
) が 最大 に なる 分配 方法が、 最も 出現
しやすい 状態 で あるので、 これを 求める
エネルギー について 、
全体で E とすると 、
領域j ごとに
い
た Ej Nj に 045 た
(1で は、
領域 の 自体の エネルギー/
スターリングの 公式 ( N ! こ げど) より
いい
な 慥が
"
ES log んは
約 1。
よって 、
最大化 問題
hf 比
,
EN) = ルにconst
2 回は E 2 const
ラグランジュ の 未定乗数法より、
に GW
-
メ ( N -
約一
(E -
2 日; Ni )
高= log (
) 十 一
人 一
Ej = 0
が 幾 ュ いは や 別 は がり
ぐ」 第2 giexpl-I.SEj ) 一
世)
さらに 絆こ ない外 で 別 く」 E を
言いな
微視的 状態は 、
位置と
運動 量で
定義されていた
そこで 、
e したので ー
たり 、 やこ ( PaPa ,
仏 、
-
En)
また 、
離散状態 で考えて いた が 連続状態で考える と 、
di de 、
日の
日 は、 か
な エネルギー 毎の 状態 数の 確率分布 は 、
九 日に も選ん
で %に
この 時 、 内部 エネルギ はン以下の
通り (系の エネルギー なので
U -
5 日 (たか ど
な ば %に
壮
( つまり、
動き 平
抄
@ エントロピー の
導出 、
余談 参考 に した教科書では
i) 分配 関数の定義
で の 川 で5 で 呦
響、
mnhne
先の 式 から
、
U -
前。
けど 日 "
dy
Z -5 ピロ 呦 壮 、
と なく 、
この Zを分配 関数 という
i) 圧力 と 分配 関数の 関係 m
な 山 に ピストンが ある系を考える
出馬!※ ピストン
・
t.rs#oし ピストン は 九軸 に 直交) に 、
ピストンが 分子 j に 及ぼす か の ポテンシャルを に しない
分子 の 位置 ポテンシャルを 正し を たま (どの 、
一
-
Zn) とする、
この 時 全体の 位置 ポラン シモ に は 、
または 科 にしな ー
い
9.点と思ば籤管前照龍蜊 噺 は位置 い
2TEYIEK.ir縊 ぽ ば 側 は作)
は孿義さ れる
)よって 口は 、 P ) は ハミルトニアン 。
-
圧力 は、
ピストン と系 の 力 の つり合い である。
今 、
ポテンシャルより ピストン が 粒子 に押さ れる 力 を拍 とする、
fcx に 表 に し がり 「前 までの f とは 無関係
よって 、
粒子 全体 が ピストンに 加える か は 、
Stamp CARO、
川江
-
ID =
sets 区 に セルに
さらに 日 ( q 、 阪 KH t まい な ん ばん ) より
④
だ
と
中 に 川畑はいば 私しなーー
ん に
といった2
S eat All側+41 が 行くとが物 岻
の
址
exp いしまはな にしない 川 dq二
rdf~z~zssexpl.SC蚍 は 約な 川) de
=
お ま、
log Seal -
0 1 蚍は 私が
川dq
さ 2.mx -4 について 、 物理的 に は、 分子間 力 で あり 、
以下 の 国 の よう に なっ2いると する
wm
w
で器 と
が
この 日
を し
、
私は お前 t.gl/%daT0dat/ewuy には
御K -
S
S-
) と して 良いので、
たかが 主、
log Set に任
ここ で、
がん に した んが た 時川 知 瞬 より
p が 前例 で 袽
da 豳een
さらに 前 log Je -
水曜の 二 0 より たた は 理想気体の
場合、 内部 エネルギー と
pa また log 2 は 川 運動 エネルギー の 関係
さらに より
蠡騎 。
.it/en/P2kT前 kg 礼下り
※ エントロピー の
導出
熱 エネルギー 第一
法則より
dad Utpd4
に一言 lgzlp.li/EtUakThogz1たり
さらに d (知生 、
気が1
,
定 がより ds 滯
よ、 2 、
知 興 雄ヶ断 脚
- d した Hkdi 年 傾け、 好 KdV訛り (
T.lt/adlt1td1klgZCT.lD
以上から
に し tklgZCT.IN
さらに 、 ヘルムホルツ の 自由 エネルギー より
に U -
TS -
kilogZH.LY
最大エントロピー原理 、
について、
伴 ) より 、
lgm-EN.is 幾 -
Nfgj た
が
強いがお
こ N で
約
、
でる はな ぼ )
いい よ な のでか
gie.mil?tNNNMUtNgzisCNの
整合性は無祝け
つまり 、
S -
Ng W なので、
凶 の 最大 化で 得 た f (明 tnnne
l は 呦金
は、
エントロピー を
最大化 する 。 また たばこ 叭興
Mts 別れ
を
カノニカル 分布 という 。 又 、
Sightを ボルツマンの 原理という、
⑥
最小 自由 エネルギ原理 に ついて
い蠑
に U -
TS で 嬰 が W こ
G 行い
よって W の 最大化 は 、
12
の
最小 イ と
し 統計 力学 根元観 終了)
〈 情報幾何学 から 見 た 最大エントロピー 原理 7
指数型 分布 族を考える
に 1 で 行いー け い た0 でん こ
じ 」
で) を通る と する-
、
この 時 Lilian と して いる
Poeexp ( CasoHM -
ポリ
020 で
eip 1 制
弐 ( UEA )P。
ルに
紙
よっ て
ey ( CMに 1 H CM o
これより 、
Po い 2
EYE OHM -
れい ど)
ヌ、 これは S の が、
自己 平行 部分 多様体で 1 6 .
1) は
が 測地 線
定理 5.6 、
1 より 、 各 と に 対して
た {qesi Eq EHJ こと)
と かな
測地 線は交部が直交 する。
また、
9 とん の ダイバー ションス を考えた 時 、
定理428 の 一般化された
Pythagoras の 定理より 、
DMT) t
Tale) の
Play
Del Pont D ( po.IN この しん は
これ と D ( か よ)2 0 .
と DMX) 2 0 より
min
D ( いん) -
DM Pat .
y D 19 代に D 豳 川
お 2 .
log min が1911
川澄響 継物 瀏
qe た
aargmiuhgn-scyyargma.de)
私 た 私
たいこと に
Scq)
に は GM kg たい ( これは確率分布と のShannon 圸叱り
WGN
これより、 確率 変数に い -_- H いい の 期待値が 一定 、 つまり
EqEHJ 2 に という 条件 の 下で、
Shannon エントロピー Scp を
最大に する 確率 分布 と は、
拘束条件 が 定める が一
配桁
部分 多様体たて 様分布 から 下ろした が、
垂線の 足尾 である
ことを たい味 し て いる
さらに 書き直す と
箱箱 y
た
P。
1 など
「似たた haltingnonsense
カノニカル分布
( Be, log 2(な 中 と これを分配 関数という
)
今 HM を ハミルトニアンと思うと 、
H の期待 値 が一定 という
条件 下 で エントロピー を最大に する分布 が 力に力 に分布 で ある
という 、 最大 エントロピー原理が 再現 される
〈 情報幾何 学 から 見た最小 エネルギ原理)
し 6.1) の 両辺に 対 数 を とっ て
、 Po に関する 期待値をとると
も 問 lg 間 = 一
郎。 OHM) -
EN が)
E) y (0 に SiPo) -
0 年。
[H] 16.31
S の 任意 の 確率分布 r と なに が 分知 の 間 の KL・
ダイバーは次 は
D ( Np。 1
もない19 器 と いい
Granny poly
2
- S は) など) [-
0 Ha) _
た が
ユ、 には なば +4101 ti
=
一
に いかな [HJ t ftp.) -
0 年。
[HJ
)
これより、
①
{ MID は 俗に 0 に
は純が な物 が かなが叮
と の 時 は P。
さらに は 既知 で 3 0 を仮定 する 以下 の よう に Fm を定義する、
この
時 @ 金は) に は [HI -
かい ( 6.
5)
P. a
望
には)
に は) は Helmholtzの 自由 エネルギー なので、 を 既知 と する と 、
なに か に分布 は Helmholtz の 自由 エネルギーを5 上で
最小化
する 確率 分布 で ある 、
〈 情報幾何 学 から 見た分配関数と Helmholtzの 自由 エネルギー>
S の が一
アイン 座標系 を 0k10! ー
がり と して 、
が、
自己 平行 部分多様体である 測地線 た が、
( どー じ) -
13 ,
0 .
-
0) と 書けるよう な座標系をとる
Legendre 変換の 関係式より
4101別 」
と気 など ( かな は 4 は制
など し た に B ,
0卬が ー どた) 20 ,
で は 2 日 [片]2 - は 川
さらに 、
1 1 32
より 41 て け -
S Cry
1 6 .
5) -
1 6 .
6 ) と分配 関数の 定義より 、
4 1 0 1
別 では1 0 % は mg
何 はい は 川
⇐) が、 2101の り っ
ー! 側ながい た こと
にけが で
別
Hermh。 1た の 自由 エネルギーと分配 関数の 関係式 を導出 した
し補 捉)
最大化 エントロピー 原理は 、 束縛条件つき 最大化 問題 。
これが、
最小エネルギー原理 ( 束縛条件なし の 最小化 問題)
に 変換 出来たの は、
ダイバー が 以 の 定住 性 があった ため 、
6.2 平均 場 近化と
4 次元な
。 モデルの 定式化 )
ハミルトニアン が、
以下 で書かれる 、
N- スピンで
ng リングを考える
人に H は 別に だ約8 -
」 は、 ( SEN,
HI )
( 3 H = 3 Hood N ) と する 。
つまり Ntに 1 )この 時 カノニカル 分布 は
ど で いた e HH -
ましん か (
6.710は 送温度 で は、
丁) は分配 関数の 対数 )
との 時 、
確率 分布 9は、
幾何学的 に は14 個 の スピンの 確率分布
全体から なる には 1 1 次元 統計多様体広上の 1点 となる、
〈 近似 の 定式化 >
N 個 の スピン全体 を 隣り 合う に 個 の スピン を 1 クラスタ と
見なし た m 個 の クラスタ に 分解 に 近仙人 を行う、
つまり、
N ン mxh.tn 22
第 入 番 国 の クラスター の 第 i 番目 の スピン S 11代幻 に 水- m
) は、
元々 の リングにおける 第 3 スピン53 と する 。 つまり、 インデックスを以下 で対応づける
321 い ) nti
各 クラスター が i.i.cl と 仮定 した うえで、 N スピン 状態である
か に 力 に 分布 9 を 最も 良く近似 する に スピン 状態 を
見つける こと が、 近似が、 どの よう な 分布 か を
考察 する の が この
節 の 問題
< n スピン系 の 定式化 )
に
スピン系の 任意 の 確率分布 を指数分布 族で 以下 の よう に書ける
が い
階
eiiTSi.SiiSa-tC0D@1IYptepL05it0Ii.tOなに か幻
記号 を 簡略 化 する ため 以下 を導入
で、
など
に Si、
Su -
Sie ,
ただIe
Ie 」 でい
がい に も、
く じぇい くじ
なり
この 時
p た に exp 10%-4011 ( a は 縮約 記法
1
各 クラスタ は iid なので、 系全体 は以下 の
通り
P. に
蚍53に 群の 10 など で し 6.9
)
Po の 全体 の 集合 Mn は、
0210缸を座標系 とする劭 はり 次元
部分 多様体 と 見なせる、
以下 、 民 を クラスター状態と よふ
。
〈 近代人 問題 の 解 )
クラスタ 状態 Po EM n で 力 に力 に分布 と を近似 する
問題 を数学的 に 定式化 する。
KL・
ダイバー シ以を考えればよい .
D Roll G) =
曜 は 楽) の は ルノー に し
幻
な D (Pollo) を 最小 化 すれば よい ので、 Th を
最小化 すれば よい 。
この 解 を Pa と おく 。
一般化 Pythagoras の 定理 4.28 より 、
Pa は、
9から
部分 多様体 Mn へ 下ろした かな 射影 を 求める 問題となる 。
なお、
部分 多様体 Mn は 7 は
自己 平行 で は ない ので
( かな 自己 平行 で はある) 近仏人点 は 必ずしも 1つ で はない
、
〈 Duq) を 最小化 する 点 も の 性質 >
超
影品性 など と州 の 関数 " 呦
てっきり
を 最小化 する 点を も と する 、
この とき 、
どこ だ ! どこ も い
ない が た h
も
い
た が
"
こ
ー =
が
い
た 町
で
きた鬱鬱た
がある 又
.at/eee
〈 証明>
ペン= 0 5 で-
YM ( M . → 川 とおく と
、
1 」
紙でも ない
ことで
ここ で
toda log [と (05
判
wieder E。
[ど」なる中心に
seeasどりな生 に 、
曜 はal町 沿い で い た。
[ど] 2 0 (6 .
1 2
)
よって 確率 分布 方実尾 の Fisher計量 9 地制 は、
9abi 二
命。
[( da log Re ) はblog Pie)]
コロ
poly da ピノ ( こがが
なれでん ぺ と み で は 独立 なので 、
- に
はピル みどり] +
重 目
。
はでり は町
( 6. H を 用いる と、
9 s
ニ
鯉 はじ) はばり)
- mm 。 [など) は。
じ)
また 、
0k10 りの 双対座標系 に した) は 、
定理5.5、
2より 、
以下 で
定義される
で いう。
はでたん たり
これより
tal
し
た S が_
てa
し 6.13)
さて 、
D ( pollo) を 最小 化 する ので 、
da D ( pollo ) を考える、
ta D Rolle ) 2 taspo Ug Po -
log を 1
9312
品
ので は Prolog 9) +
劇で はa hadalgae)
にも とれ 109920 より
二
品名 は行か ( log Raya)
よって 、
ダイバー ジシン スが 凸 関数で ある ことから、
da D ( poll G ) 2 0 と なる Pa で Due) を最小化 する 、
よっ て 以下 で
最小値 を 取る、
名は11昵 ・
舐) は19 % が 0 (t a EI ) し6.14 )
補題
点 い
た影
斌と 同値 である
.EE/↳
で一
億蕊籤:::豔とした1rem
〈補題 にら の 証明 )
となり
log どん が
総は、
一
礼付)
で
純 総"
樾では蜊ドが吸引 )
ここ に上つき 添字 入れ1 は M を 法 と に考える 。 従って、
1 6-
9 ) より 、
紘一 は馮はば -
h ) から 嘿 ( ぼ町 ) 5で、 m
が当然な品が
陽 瑫0が
)
- m では ましh 、
J )
に
純心 が 誠が弘 がけ た )
ただし、
に 純どー んだが訛
で は"
が 5で。→
+
ただな ことが信じが
これより 、
(6.
14
) は山人 下の よう に 書ける
Eftp.te) は卯媚幽じ が鄂 で別・
峭
い瑫 じなど、
誠、など) はドルが弘明 に
は町 2 0
分 に雌 じり したんがり] 2 日 階然別
さらに 異なる クラスタ に属する 確率 変数 は 独立なので、
MM で 師。 [ 4"
竹 ニ 曜 に 町 瓯 [tal叮 = 0
お ひ
の
縞。
どので 打線に 剛 は側はバツ
右辺と 左辺をそれぞれ展開 する、
1 6、
川 を 用いると 、
心 5)
は辺 に
摧 昂。
[ はい べ t ていっ ) はい だなてい ) はではで
ツ
クラスタ の 独立性 より 、
巧 鮓の
地がない) はどりた。
はい がな幻
+ にいいで は なっ た。 。 1はいっ じなていっ ) など別 )
また 気 に かでは 名目はどう 20 .
Be [ da で
"
thus ] 2
Eastに は バカ では 9 wb
これら より、
1右辺) が 19 ask.stga.us なっ た J 9ab が
次 は 左辺を計算する
熱線。
[鈍どー
ん) はでは蜊 たが
+ 紙0性
の はanthy の が
が
"
(おばは ) の が
、
垢
で はで は ない ので]
※9 いっ ばい tY9ai.ms ( ど 吐
の
「
新9が
どな
品9sat gab が
よって.
( 6-
K) は 以下 の よう になる
gab た Jgば
、
さらに 、
計量 g は 正定値 なので 逆行列 が取れる よって
が こ
jya a
この 補題 が 1 6 州 を 満たす e で は 、
0
な んは ない し た ん は
たびたびに 、 - _ - こ だたん く☆
)
で
"
こ で
"
2
-
- . -
」 で
十川
汀 、
その他 は 全2 0
となる。 残り は どこ だ) を 示せ ば よい。
( これ を示す と も し
た ん は 日が LSI が 導出 される
)
補
など)
以外は の 通り と する、
以下の 連立方程式 を考える、
とETEfで
た んは その
o
zhtJR.US/js0なら ば、 唯一 解 は どこ 0
まっさきには明 )
が ー じならば ー
いけ ば なり たが
座標変換 ( じり どり いし いた ( じー じ、 0など) を 行う
高 41 0は 飛訓が 新しい
えい たが 意 新しい 一新し か より、
Xa -25 t 16.15)
さらに 、 4 1 6 ) は 0 に関して狭義凸 なので、
器 > 0
よって、
装 は 単調 増加 、
故に 各 な おいし 飛こ 0 を 満たす X は 1つ で あり、 420
し て 0
い た 0 川
、

Más contenido relacionado

La actualidad más candente

統計的学習の基礎 3章後半
統計的学習の基礎 3章後半統計的学習の基礎 3章後半
統計的学習の基礎 3章後半Kazunori Miyanishi
 
ローレンツ変換と不変量
ローレンツ変換と不変量ローレンツ変換と不変量
ローレンツ変換と不変量M M
 
数学協働プログラム「大自由度分子系における化学反応機序の理解と制御」_藤井
数学協働プログラム「大自由度分子系における化学反応機序の理解と制御」_藤井数学協働プログラム「大自由度分子系における化学反応機序の理解と制御」_藤井
数学協働プログラム「大自由度分子系における化学反応機序の理解と制御」_藤井Fujii Mikiya
 
ものまね鳥を愛でる 結合子論理と計算
ものまね鳥を愛でる 結合子論理と計算ものまね鳥を愛でる 結合子論理と計算
ものまね鳥を愛でる 結合子論理と計算Hiromi Ishii
 
20181214 clebsch gordan_mizuta
20181214 clebsch gordan_mizuta20181214 clebsch gordan_mizuta
20181214 clebsch gordan_mizutaRei Mizuta
 
Enomae1
Enomae1Enomae1
Enomae1jlojlo
 
Ikeph7 2014-1015-pdf
Ikeph7 2014-1015-pdfIkeph7 2014-1015-pdf
Ikeph7 2014-1015-pdfGM3D
 
Ikeph7 2014-1015
Ikeph7 2014-1015Ikeph7 2014-1015
Ikeph7 2014-1015GM3D
 

La actualidad más candente (9)

Chapter 3 rev
Chapter 3 revChapter 3 rev
Chapter 3 rev
 
統計的学習の基礎 3章後半
統計的学習の基礎 3章後半統計的学習の基礎 3章後半
統計的学習の基礎 3章後半
 
ローレンツ変換と不変量
ローレンツ変換と不変量ローレンツ変換と不変量
ローレンツ変換と不変量
 
数学協働プログラム「大自由度分子系における化学反応機序の理解と制御」_藤井
数学協働プログラム「大自由度分子系における化学反応機序の理解と制御」_藤井数学協働プログラム「大自由度分子系における化学反応機序の理解と制御」_藤井
数学協働プログラム「大自由度分子系における化学反応機序の理解と制御」_藤井
 
ものまね鳥を愛でる 結合子論理と計算
ものまね鳥を愛でる 結合子論理と計算ものまね鳥を愛でる 結合子論理と計算
ものまね鳥を愛でる 結合子論理と計算
 
20181214 clebsch gordan_mizuta
20181214 clebsch gordan_mizuta20181214 clebsch gordan_mizuta
20181214 clebsch gordan_mizuta
 
Enomae1
Enomae1Enomae1
Enomae1
 
Ikeph7 2014-1015-pdf
Ikeph7 2014-1015-pdfIkeph7 2014-1015-pdf
Ikeph7 2014-1015-pdf
 
Ikeph7 2014-1015
Ikeph7 2014-1015Ikeph7 2014-1015
Ikeph7 2014-1015
 

Similar a Information geometry chap6

渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法Kenichi Hironaka
 
2014年5月14日_水曜セミナー発表内容_FINAL
2014年5月14日_水曜セミナー発表内容_FINAL2014年5月14日_水曜セミナー発表内容_FINAL
2014年5月14日_水曜セミナー発表内容_FINALTomoshige Nakamura
 
Bishop prml 9.3_wk77_100408-1504
Bishop prml 9.3_wk77_100408-1504Bishop prml 9.3_wk77_100408-1504
Bishop prml 9.3_wk77_100408-1504Wataru Kishimoto
 
生物統計特論3資料 2006 ギブス MCMC isseing333
生物統計特論3資料 2006 ギブス MCMC isseing333生物統計特論3資料 2006 ギブス MCMC isseing333
生物統計特論3資料 2006 ギブス MCMC isseing333Issei Kurahashi
 
博士論文公聴会(完全版)
博士論文公聴会(完全版)博士論文公聴会(完全版)
博士論文公聴会(完全版)Hayato Shimabukuro
 
Sparse estimation tutorial 2014
Sparse estimation tutorial 2014Sparse estimation tutorial 2014
Sparse estimation tutorial 2014Taiji Suzuki
 
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...Deep Learning JP
 
Operad and Recognition Principle
Operad and Recognition PrincipleOperad and Recognition Principle
Operad and Recognition PrincipleTatsuki SHIMIZU
 
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)Takao Yamanaka
 
表現論 ゼミ資料
表現論 ゼミ資料表現論 ゼミ資料
表現論 ゼミ資料HanpenRobot
 
ガンマ分布族のなす空間の曲率
ガンマ分布族のなす空間の曲率ガンマ分布族のなす空間の曲率
ガンマ分布族のなす空間の曲率Masaki Asano
 

Similar a Information geometry chap6 (13)

渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
渡辺澄夫著「ベイズ統計の理論と方法」5.1 マルコフ連鎖モンテカルロ法
 
2014年5月14日_水曜セミナー発表内容_FINAL
2014年5月14日_水曜セミナー発表内容_FINAL2014年5月14日_水曜セミナー発表内容_FINAL
2014年5月14日_水曜セミナー発表内容_FINAL
 
Bishop prml 9.3_wk77_100408-1504
Bishop prml 9.3_wk77_100408-1504Bishop prml 9.3_wk77_100408-1504
Bishop prml 9.3_wk77_100408-1504
 
生物統計特論3資料 2006 ギブス MCMC isseing333
生物統計特論3資料 2006 ギブス MCMC isseing333生物統計特論3資料 2006 ギブス MCMC isseing333
生物統計特論3資料 2006 ギブス MCMC isseing333
 
博士論文公聴会(完全版)
博士論文公聴会(完全版)博士論文公聴会(完全版)
博士論文公聴会(完全版)
 
Sparse estimation tutorial 2014
Sparse estimation tutorial 2014Sparse estimation tutorial 2014
Sparse estimation tutorial 2014
 
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
[DL輪読会]Clebsch–Gordan Nets: a Fully Fourier Space Spherical Convolutional Neu...
 
Kagaku
KagakuKagaku
Kagaku
 
Operad and Recognition Principle
Operad and Recognition PrincipleOperad and Recognition Principle
Operad and Recognition Principle
 
変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)変分推論法(変分ベイズ法)(PRML第10章)
変分推論法(変分ベイズ法)(PRML第10章)
 
Draftall
DraftallDraftall
Draftall
 
表現論 ゼミ資料
表現論 ゼミ資料表現論 ゼミ資料
表現論 ゼミ資料
 
ガンマ分布族のなす空間の曲率
ガンマ分布族のなす空間の曲率ガンマ分布族のなす空間の曲率
ガンマ分布族のなす空間の曲率
 

Más de Hiroki Iida

Incorporating syntactic and semantic information in word embeddings using gra...
Incorporating syntactic and semantic information in word embeddings using gra...Incorporating syntactic and semantic information in word embeddings using gra...
Incorporating syntactic and semantic information in word embeddings using gra...Hiroki Iida
 
Information geometriy chap5
Information geometriy chap5Information geometriy chap5
Information geometriy chap5Hiroki Iida
 
Dissecting contextual word embeddings
Dissecting contextual word embeddingsDissecting contextual word embeddings
Dissecting contextual word embeddingsHiroki Iida
 
組織デザインの展開 ~官僚制からティール組織まで~
組織デザインの展開 ~官僚制からティール組織まで~組織デザインの展開 ~官僚制からティール組織まで~
組織デザインの展開 ~官僚制からティール組織まで~Hiroki Iida
 
Introduction to search_and_recommend_algolithm
Introduction to search_and_recommend_algolithmIntroduction to search_and_recommend_algolithm
Introduction to search_and_recommend_algolithmHiroki Iida
 
Ai for marketing
Ai for marketingAi for marketing
Ai for marketingHiroki Iida
 
Graph and network_chap14
Graph and network_chap14Graph and network_chap14
Graph and network_chap14Hiroki Iida
 
Introduction to baysian_inference
Introduction to baysian_inferenceIntroduction to baysian_inference
Introduction to baysian_inferenceHiroki Iida
 
色々な確率分布とその応用
色々な確率分布とその応用色々な確率分布とその応用
色々な確率分布とその応用Hiroki Iida
 
レトリバ勉強会資料:深層学習による自然言語処理2章
レトリバ勉強会資料:深層学習による自然言語処理2章レトリバ勉強会資料:深層学習による自然言語処理2章
レトリバ勉強会資料:深層学習による自然言語処理2章Hiroki Iida
 
テクノロジーと組織と発展
テクノロジーと組織と発展テクノロジーと組織と発展
テクノロジーと組織と発展Hiroki Iida
 

Más de Hiroki Iida (13)

Incorporating syntactic and semantic information in word embeddings using gra...
Incorporating syntactic and semantic information in word embeddings using gra...Incorporating syntactic and semantic information in word embeddings using gra...
Incorporating syntactic and semantic information in word embeddings using gra...
 
Information geometriy chap5
Information geometriy chap5Information geometriy chap5
Information geometriy chap5
 
Dissecting contextual word embeddings
Dissecting contextual word embeddingsDissecting contextual word embeddings
Dissecting contextual word embeddings
 
組織デザインの展開 ~官僚制からティール組織まで~
組織デザインの展開 ~官僚制からティール組織まで~組織デザインの展開 ~官僚制からティール組織まで~
組織デザインの展開 ~官僚制からティール組織まで~
 
Introduction to search_and_recommend_algolithm
Introduction to search_and_recommend_algolithmIntroduction to search_and_recommend_algolithm
Introduction to search_and_recommend_algolithm
 
Ai for marketing
Ai for marketingAi for marketing
Ai for marketing
 
Graph and network_chap14
Graph and network_chap14Graph and network_chap14
Graph and network_chap14
 
Introduction to baysian_inference
Introduction to baysian_inferenceIntroduction to baysian_inference
Introduction to baysian_inference
 
内燃機関
内燃機関内燃機関
内燃機関
 
Kl entropy
Kl entropyKl entropy
Kl entropy
 
色々な確率分布とその応用
色々な確率分布とその応用色々な確率分布とその応用
色々な確率分布とその応用
 
レトリバ勉強会資料:深層学習による自然言語処理2章
レトリバ勉強会資料:深層学習による自然言語処理2章レトリバ勉強会資料:深層学習による自然言語処理2章
レトリバ勉強会資料:深層学習による自然言語処理2章
 
テクノロジーと組織と発展
テクノロジーと組織と発展テクノロジーと組織と発展
テクノロジーと組織と発展
 

Information geometry chap6

  • 1. 6章 統計 物理学 へ の応用 6.1 最大エントロピー 原理 r 最大 エントロピー原理 ・ 最小自由 エネルギ原理を 情報幾何 定式化 から 導出 する、 @ 統計 力学概観 今、 n 個 の 同種の 原子から 成孫を考える 、 運動 量 は rmた 、 加 は、 阿 順 に は速度) なので、 この系は 、 (かるい ま げ で はない かい た が 、 - Pan , Pan 、 En) で 書ける
  • 2. この 体系 において、 徳久 小領域 は以下の よう になる dた dx.dhdzihpadp.dz、 一 dpzn この 体積を 微小領域の 状態の 数と 見なし がいで 、 さらに " 微小な基本領域 をし とおく 。 この 時 、番目 の 微小領域の 状態 数 9 j は gja 興 L。 今 、 体系に 14 個 の 代表 点がある 状況を考える、 5 番目の 微小領域 に 入る 代表点の 個数 を心と する N こる Nj こ Const
  • 3. j い が1番目 の 倪文小領域 に Nj 個 の 代表点を おく 時 の 分配の 方法 は 、 全ての 微小領域を 同等 に 扱う と 、 IN CM 、 - . - Nj - ) = バ恭が 9 代では 9バー (*1 MM- M - ) が 最大 に なる 分配 方法が、 最も 出現 しやすい 状態 で あるので、 これを 求める エネルギー について 、 全体で E とすると 、 領域j ごとに い た Ej Nj に 045 た (1で は、 領域 の 自体の エネルギー/ スターリングの 公式 ( N ! こ げど) より いい な 慥が " ES log んは 約 1。
  • 4. よって 、 最大化 問題 hf 比 , EN) = ルにconst 2 回は E 2 const ラグランジュ の 未定乗数法より、 に GW - メ ( N - 約一 (E - 2 日; Ni ) 高= log ( ) 十 一 人 一 Ej = 0 が 幾 ュ いは や 別 は がり ぐ」 第2 giexpl-I.SEj ) 一 世) さらに 絆こ ない外 で 別 く」 E を 言いな
  • 5. 微視的 状態は 、 位置と 運動 量で 定義されていた そこで 、 e したので ー たり 、 やこ ( PaPa , 仏 、 - En) また 、 離散状態 で考えて いた が 連続状態で考える と 、 di de 、 日の 日 は、 か な エネルギー 毎の 状態 数の 確率分布 は 、 九 日に も選ん で %に この 時 、 内部 エネルギ はン以下の 通り (系の エネルギー なので U - 5 日 (たか ど な ば %に 壮 ( つまり、 動き 平 抄
  • 6. @ エントロピー の 導出 、 余談 参考 に した教科書では i) 分配 関数の定義 で の 川 で5 で 呦 響、 mnhne 先の 式 から 、 U - 前。 けど 日 " dy Z -5 ピロ 呦 壮 、 と なく 、 この Zを分配 関数 という i) 圧力 と 分配 関数の 関係 m な 山 に ピストンが ある系を考える 出馬!※ ピストン ・ t.rs#oし ピストン は 九軸 に 直交) に 、 ピストンが 分子 j に 及ぼす か の ポテンシャルを に しない 分子 の 位置 ポテンシャルを 正し を たま (どの 、 一 - Zn) とする、 この 時 全体の 位置 ポラン シモ に は 、 または 科 にしな ー い
  • 7. 9.点と思ば籤管前照龍蜊 噺 は位置 い 2TEYIEK.ir縊 ぽ ば 側 は作) は孿義さ れる )よって 口は 、 P ) は ハミルトニアン 。 - 圧力 は、 ピストン と系 の 力 の つり合い である。 今 、 ポテンシャルより ピストン が 粒子 に押さ れる 力 を拍 とする、 fcx に 表 に し がり 「前 までの f とは 無関係 よって 、 粒子 全体 が ピストンに 加える か は 、 Stamp CARO、 川江 - ID = sets 区 に セルに さらに 日 ( q 、 阪 KH t まい な ん ばん ) より
  • 8. ④ だ と 中 に 川畑はいば 私しなーー ん に といった2 S eat All側+41 が 行くとが物 岻 の 址 exp いしまはな にしない 川 dq二 rdf~z~zssexpl.SC蚍 は 約な 川) de = お ま、 log Seal - 0 1 蚍は 私が 川dq さ 2.mx -4 について 、 物理的 に は、 分子間 力 で あり 、 以下 の 国 の よう に なっ2いると する wm w で器 と が この 日 を し 、 私は お前 t.gl/%daT0dat/ewuy には 御K - S
  • 9. S- ) と して 良いので、 たかが 主、 log Set に任 ここ で、 がん に した んが た 時川 知 瞬 より p が 前例 で 袽 da 豳een さらに 前 log Je - 水曜の 二 0 より たた は 理想気体の 場合、 内部 エネルギー と pa また log 2 は 川 運動 エネルギー の 関係 さらに より 蠡騎 。 .it/en/P2kT前 kg 礼下り
  • 10. ※ エントロピー の 導出 熱 エネルギー 第一 法則より dad Utpd4 に一言 lgzlp.li/EtUakThogz1たり さらに d (知生 、 気が1 , 定 がより ds 滯 よ、 2 、 知 興 雄ヶ断 脚 - d した Hkdi 年 傾け、 好 KdV訛り ( T.lt/adlt1td1klgZCT.lD
  • 11. 以上から に し tklgZCT.IN さらに 、 ヘルムホルツ の 自由 エネルギー より に U - TS - kilogZH.LY 最大エントロピー原理 、 について、 伴 ) より 、 lgm-EN.is 幾 - Nfgj た が 強いがお こ N で 約 、 でる はな ぼ ) いい よ な のでか gie.mil?tNNNMUtNgzisCNの 整合性は無祝け
  • 12. つまり 、 S - Ng W なので、 凶 の 最大 化で 得 た f (明 tnnne l は 呦金 は、 エントロピー を 最大化 する 。 また たばこ 叭興 Mts 別れ を カノニカル 分布 という 。 又 、 Sightを ボルツマンの 原理という、 ⑥ 最小 自由 エネルギ原理 に ついて い蠑 に U - TS で 嬰 が W こ G 行い よって W の 最大化 は 、 12 の 最小 イ と し 統計 力学 根元観 終了)
  • 13. 〈 情報幾何学 から 見 た 最大エントロピー 原理 7 指数型 分布 族を考える に 1 で 行いー け い た0 でん こ じ 」 で) を通る と する- 、 この 時 Lilian と して いる Poeexp ( CasoHM - ポリ 020 で eip 1 制 弐 ( UEA )P。 ルに 紙 よっ て ey ( CMに 1 H CM o これより 、 Po い 2 EYE OHM - れい ど) ヌ、 これは S の が、 自己 平行 部分 多様体で 1 6 . 1) は が 測地 線
  • 14. 定理 5.6 、 1 より 、 各 と に 対して た {qesi Eq EHJ こと) と かな 測地 線は交部が直交 する。 また、 9 とん の ダイバー ションス を考えた 時 、 定理428 の 一般化された Pythagoras の 定理より 、 DMT) t Tale) の Play Del Pont D ( po.IN この しん は これ と D ( か よ)2 0 . と DMX) 2 0 より min D ( いん) - DM Pat . y D 19 代に D 豳 川
  • 15. お 2 . log min が1911 川澄響 継物 瀏 qe た aargmiuhgn-scyyargma.de) 私 た 私 たいこと に Scq) に は GM kg たい ( これは確率分布と のShannon 圸叱り WGN これより、 確率 変数に い -_- H いい の 期待値が 一定 、 つまり EqEHJ 2 に という 条件 の 下で、 Shannon エントロピー Scp を 最大に する 確率 分布 と は、 拘束条件 が 定める が一 配桁 部分 多様体たて 様分布 から 下ろした が、 垂線の 足尾 である ことを たい味 し て いる
  • 16. さらに 書き直す と 箱箱 y た P。 1 など 「似たた haltingnonsense カノニカル分布 ( Be, log 2(な 中 と これを分配 関数という ) 今 HM を ハミルトニアンと思うと 、 H の期待 値 が一定 という 条件 下 で エントロピー を最大に する分布 が 力に力 に分布 で ある という 、 最大 エントロピー原理が 再現 される 〈 情報幾何 学 から 見た最小 エネルギ原理) し 6.1) の 両辺に 対 数 を とっ て 、 Po に関する 期待値をとると も 問 lg 間 = 一 郎。 OHM) - EN が) E) y (0 に SiPo) - 0 年。 [H] 16.31
  • 17. S の 任意 の 確率分布 r と なに が 分知 の 間 の KL・ ダイバーは次 は D ( Np。 1 もない19 器 と いい Granny poly 2 - S は) など) [- 0 Ha) _ た が ユ、 には なば +4101 ti = 一 に いかな [HJ t ftp.) - 0 年。 [HJ ) これより、 ① { MID は 俗に 0 に は純が な物 が かなが叮 と の 時 は P。 さらに は 既知 で 3 0 を仮定 する 以下 の よう に Fm を定義する、 この 時 @ 金は) に は [HI - かい ( 6. 5) P. a 望 には)
  • 18. に は) は Helmholtzの 自由 エネルギー なので、 を 既知 と する と 、 なに か に分布 は Helmholtz の 自由 エネルギーを5 上で 最小化 する 確率 分布 で ある 、 〈 情報幾何 学 から 見た分配関数と Helmholtzの 自由 エネルギー> S の が一 アイン 座標系 を 0k10! ー がり と して 、 が、 自己 平行 部分多様体である 測地線 た が、 ( どー じ) - 13 , 0 . - 0) と 書けるよう な座標系をとる Legendre 変換の 関係式より 4101別 」 と気 など ( かな は 4 は制 など し た に B , 0卬が ー どた) 20 , で は 2 日 [片]2 - は 川 さらに 、 1 1 32 より 41 て け - S Cry
  • 19. 1 6 . 5) - 1 6 . 6 ) と分配 関数の 定義より 、 4 1 0 1 別 では1 0 % は mg 何 はい は 川 ⇐) が、 2101の り っ ー! 側ながい た こと にけが で 別 Hermh。 1た の 自由 エネルギーと分配 関数の 関係式 を導出 した し補 捉) 最大化 エントロピー 原理は 、 束縛条件つき 最大化 問題 。 これが、 最小エネルギー原理 ( 束縛条件なし の 最小化 問題) に 変換 出来たの は、 ダイバー が 以 の 定住 性 があった ため 、
  • 20. 6.2 平均 場 近化と 4 次元な 。 モデルの 定式化 ) ハミルトニアン が、 以下 で書かれる 、 N- スピンで ng リングを考える 人に H は 別に だ約8 - 」 は、 ( SEN, HI ) ( 3 H = 3 Hood N ) と する 。 つまり Ntに 1 )この 時 カノニカル 分布 は ど で いた e HH - ましん か ( 6.710は 送温度 で は、 丁) は分配 関数の 対数 ) との 時 、 確率 分布 9は、 幾何学的 に は14 個 の スピンの 確率分布 全体から なる には 1 1 次元 統計多様体広上の 1点 となる、
  • 21. 〈 近似 の 定式化 > N 個 の スピン全体 を 隣り 合う に 個 の スピン を 1 クラスタ と 見なし た m 個 の クラスタ に 分解 に 近仙人 を行う、 つまり、 N ン mxh.tn 22 第 入 番 国 の クラスター の 第 i 番目 の スピン S 11代幻 に 水- m ) は、 元々 の リングにおける 第 3 スピン53 と する 。 つまり、 インデックスを以下 で対応づける 321 い ) nti 各 クラスター が i.i.cl と 仮定 した うえで、 N スピン 状態である か に 力 に 分布 9 を 最も 良く近似 する に スピン 状態 を 見つける こと が、 近似が、 どの よう な 分布 か を 考察 する の が この 節 の 問題
  • 22. < n スピン系 の 定式化 ) に スピン系の 任意 の 確率分布 を指数分布 族で 以下 の よう に書ける が い 階 eiiTSi.SiiSa-tC0D@1IYptepL05it0Ii.tOなに か幻 記号 を 簡略 化 する ため 以下 を導入 で、 など に Si、 Su - Sie , ただIe Ie 」 でい がい に も、 く じぇい くじ なり この 時 p た に exp 10%-4011 ( a は 縮約 記法 1
  • 23. 各 クラスタ は iid なので、 系全体 は以下 の 通り P. に 蚍53に 群の 10 など で し 6.9 ) Po の 全体 の 集合 Mn は、 0210缸を座標系 とする劭 はり 次元 部分 多様体 と 見なせる、 以下 、 民 を クラスター状態と よふ 。 〈 近代人 問題 の 解 ) クラスタ 状態 Po EM n で 力 に力 に分布 と を近似 する 問題 を数学的 に 定式化 する。 KL・ ダイバー シ以を考えればよい . D Roll G) = 曜 は 楽) の は ルノー に し 幻 な D (Pollo) を 最小 化 すれば よい ので、 Th を 最小化 すれば よい 。 この 解 を Pa と おく 。
  • 24. 一般化 Pythagoras の 定理 4.28 より 、 Pa は、 9から 部分 多様体 Mn へ 下ろした かな 射影 を 求める 問題となる 。 なお、 部分 多様体 Mn は 7 は 自己 平行 で は ない ので ( かな 自己 平行 で はある) 近仏人点 は 必ずしも 1つ で はない 、 〈 Duq) を 最小化 する 点 も の 性質 > 超 影品性 など と州 の 関数 " 呦 てっきり を 最小化 する 点を も と する 、 この とき 、 どこ だ ! どこ も い ない が た h も い た が " こ ー = が い た 町 で きた鬱鬱た がある 又 .at/eee
  • 25. 〈 証明> ペン= 0 5 で- YM ( M . → 川 とおく と 、 1 」 紙でも ない ことで ここ で toda log [と (05 判 wieder E。 [ど」なる中心に seeasどりな生 に 、 曜 はal町 沿い で い た。 [ど] 2 0 (6 . 1 2 ) よって 確率 分布 方実尾 の Fisher計量 9 地制 は、 9abi 二 命。 [( da log Re ) はblog Pie)] コロ poly da ピノ ( こがが なれでん ぺ と み で は 独立 なので 、 - に はピル みどり] + 重 目 。 はでり は町
  • 26. ( 6. H を 用いる と、 9 s ニ 鯉 はじ) はばり) - mm 。 [など) は。 じ) また 、 0k10 りの 双対座標系 に した) は 、 定理5.5、 2より 、 以下 で 定義される で いう。 はでたん たり これより tal し た S が_ てa し 6.13) さて 、 D ( pollo) を 最小 化 する ので 、 da D ( pollo ) を考える、 ta D Rolle ) 2 taspo Ug Po - log を 1 9312 品 ので は Prolog 9) + 劇で はa hadalgae) にも とれ 109920 より 二 品名 は行か ( log Raya)
  • 27. よって 、 ダイバー ジシン スが 凸 関数で ある ことから、 da D ( poll G ) 2 0 と なる Pa で Due) を最小化 する 、 よっ て 以下 で 最小値 を 取る、 名は11昵 ・ 舐) は19 % が 0 (t a EI ) し6.14 ) 補題 点 い た影 斌と 同値 である .EE/↳ で一 億蕊籤:::豔とした1rem
  • 28. 〈補題 にら の 証明 ) となり log どん が 総は、 一 礼付) で 純 総" 樾では蜊ドが吸引 ) ここ に上つき 添字 入れ1 は M を 法 と に考える 。 従って、 1 6- 9 ) より 、 紘一 は馮はば - h ) から 嘿 ( ぼ町 ) 5で、 m が当然な品が 陽 瑫0が ) - m では ましh 、 J ) に 純心 が 誠が弘 がけ た )
  • 29. ただし、 に 純どー んだが訛 で は" が 5で。→ + ただな ことが信じが これより 、 (6. 14 ) は山人 下の よう に 書ける Eftp.te) は卯媚幽じ が鄂 で別・ 峭 い瑫 じなど、 誠、など) はドルが弘明 に は町 2 0 分 に雌 じり したんがり] 2 日 階然別 さらに 異なる クラスタ に属する 確率 変数 は 独立なので、 MM で 師。 [ 4" 竹 ニ 曜 に 町 瓯 [tal叮 = 0
  • 30. お ひ の 縞。 どので 打線に 剛 は側はバツ 右辺と 左辺をそれぞれ展開 する、 1 6、 川 を 用いると 、 心 5) は辺 に 摧 昂。 [ はい べ t ていっ ) はい だなてい ) はではで ツ クラスタ の 独立性 より 、 巧 鮓の 地がない) はどりた。 はい がな幻 + にいいで は なっ た。 。 1はいっ じなていっ ) など別 ) また 気 に かでは 名目はどう 20 . Be [ da で " thus ] 2 Eastに は バカ では 9 wb
  • 31. これら より、 1右辺) が 19 ask.stga.us なっ た J 9ab が 次 は 左辺を計算する 熱線。 [鈍どー ん) はでは蜊 たが + 紙0性 の はanthy の が が " (おばは ) の が 、 垢 で はで は ない ので] ※9 いっ ばい tY9ai.ms ( ど 吐 の 「 新9が どな 品9sat gab が
  • 32. よって. ( 6- K) は 以下 の よう になる gab た Jgば 、 さらに 、 計量 g は 正定値 なので 逆行列 が取れる よって が こ jya a この 補題 が 1 6 州 を 満たす e で は 、 0 な んは ない し た ん は たびたびに 、 - _ - こ だたん く☆ ) で " こ で " 2 - - . - 」 で 十川 汀 、 その他 は 全2 0 となる。 残り は どこ だ) を 示せ ば よい。 ( これ を示す と も し た ん は 日が LSI が 導出 される )
  • 33. 補 など) 以外は の 通り と する、 以下の 連立方程式 を考える、 とETEfで た んは その o zhtJR.US/js0なら ば、 唯一 解 は どこ 0 まっさきには明 ) が ー じならば ー いけ ば なり たが 座標変換 ( じり どり いし いた ( じー じ、 0など) を 行う 高 41 0は 飛訓が 新しい えい たが 意 新しい 一新し か より、 Xa -25 t 16.15)
  • 34. さらに 、 4 1 6 ) は 0 に関して狭義凸 なので、 器 > 0 よって、 装 は 単調 増加 、 故に 各 な おいし 飛こ 0 を 満たす X は 1つ で あり、 420 し て 0 い た 0 川 、