7月27日(水)

今日は機械学習の日．最初に吉井さんと亀岡さんが機械学習の意義と応用範囲についてまじめに説明．

■「機械学習」特別セッション：チュートリアル1
（1） チュートリアル：ノンパラメトリックベイズ（吉井和佳：産総研）
吉井さんによるチュートリアル．確率分布とベイズ推定の基礎から丁寧に説明．固定次元ディリクレ分布から無限次元のディリクレ過程へ．棒折り過程．中華料理店過程．応用として，無限混合ガウス分布，PCFGへの応用．最近のトレンドとしてベータ過程の紹介．Infinite Factorial HMM．易しい説明だったと思うが，初心者にとっては時々出てくる数式がまったく意味不明な気がする．何も知らない人がどの程度理解できたかなあ．

■「機械学習」特別セッション：記号処理
（2） 和音進行解析のための語彙フリー無限グラムモデル（産総研）
引き続き吉井さん．ノンパラメトリックベイズを応用し，n-gramのnを無限に拡張する．また語彙フリー化として，どのような種類の和音があるかを事前に決めることなく学習データから獲得する．和音認識などに使った場合に従来のback-off n-gramとどの程度違うかを質問してみたが，認識よりも混合音の分離やモデル化の方に主な興味があるとのこと．

（3） 階層Pitman-Yor言語モデルを用いたメロディー生成手法の提案（立命館大）
発表者の学生さんが体調不良でドタキャンのため，指導教員の谷口先生がSkypeでプレゼンをやるという画期的な発表．確率モデルを使った自動作曲．音符をn-gramによって生成するが，nを自動獲得するために可変長PY言語モデルを使う．生成した楽曲のどこが学習データのどの曲のどこに似ているかという分析があって面白かった．

■「機械学習」特別セッション：チュートリアル2
（4） チュートリアル：非負値行列因子分解（亀岡弘和：NTT/東大）
もうほとんど東大の人になってしまった亀岡さんによるNMFの説明．NMFの基本とパワースペクトル分離における解釈．NMFの生まれた背景とその後の発展．なぜ非負であることが重要なのか．係数のスパース性の説明．音響信号に対する応用例．
NMFの計算方法．乖離度の計算（二乗誤差，Iダイバージェンス，板倉斎藤距離）．補助関数を使った最適化とJensenの不等式．NMFの統計モデルとしての解釈．時間がなくてNMFのバリエーションについての話は省略．

■「機械学習」特別セッション：信号処理

2件の発表があったが，打ち合わせのため聞けなかった．残念．

■ ミニパネルディスカッション「音楽情報処理研究を通じて学生に何を学んでほしいか」
北原さん主催のパネルセッション．いろいろあったが，まあ無難な結論になったかと思う．