  |
はてなキーワード: ベイジアンとは
近年、フェイク情報の拡散は社会的な課題として深刻化している。
個人が情報の真偽を判断する際に数学理論を活用する可能性について、動的システム理論、疫学モデル、統計的検定理論、機械学習の観点から体系的に分析する。
arXivや教育機関の研究成果に基づき、個人レベルの判断を支援する数学的フレームワークの可能性と限界を明らかにする。
ディスインフォメーション拡散を非線形動的システムとしてモデル化する研究[1]によれば、従来の臨界点（ティッピングポイント）を超えるだけでなく、変化速度そのものがシステムの不安定化を引き起こす「R-tipping」現象が確認されている。
個人の認知システムを微分方程式で表現した場合、情報の曝露速度が一定の閾値を超えると、真偽の判断能力が急激に低下する可能性が示唆される。
このモデルでは、個人の認知状態を3次元相空間で表現し、外部からの情報入力速度が臨界値r_cを超えると安定均衡が消失する。
具体的には、認知負荷関数Φ(t)が時間微分に関して非線形な振る舞いを示す場合、漸近的に安定な平衡点が突然不安定化する分岐が発生する[1]。
個人の情報処理速度と認知リソースの関係を定量化することで、フェイク情報に曝された際の判断力低下を予測できる。
IPSモデル（Ignorant-Prebunked-Spreader-Stifler）[2]は、個人の情報受容状態を4つのコンパートメントに分類する。
基本再生産数R₀の概念を拡張したこのモデルでは、プレバンキング（事前の誤情報免疫教育）が個人の感染率βに与える影響を微分方程式で記述する。
dP/dt = Λ - (βI + μ)P - ηP
プレバンキング効果ηが増加すると、平衡点における感染者数I*が指数関数的に減少することが数値シミュレーションで確認されている[2]。
特に、プレバンキングの半減期を考慮した忘却率δを組み込むことで、免疫持続期間の最適化問題が定式化可能となる。
正規分布N(0,I_n)に従う真データXに対し、敵対者がrtを加えて生成するフェイクデータX+rtの検出可能性についての研究[3]では、検出力の情報理論的限界が明らかにされている。
検定統計量T(x) = min_{t∈T} ||x - rt||² を用いた場合、検出可能半径r_dはガウス幅w(T)に比例する。
r_d ≈ 2w(T)/√n
この結果は、高次元空間において敵対者が特定の戦略（符号反転など）を採用すると、検出力が急激に低下することを示す[3]。
特に、対称性の高い攻撃セットTに対しては、個人レベルの単純な統計検定では50%以上の誤判別率を免れないことが証明されている。
多数決投票法を採用したフェイクニュース検出システム[5]の理論的解析から、k個の弱分類器の誤り率εが独立と仮定した場合、多数決の誤り率ε_majは以下のように表される：
ε_maj = Σ_{i=⌈k/2⌉}^k C(k,i)ε^i(1-ε)^{k-i}
この式に基づき、96.38%の精度を達成した実験結果[5]は、ベイズ誤り率の下限を考慮した場合、特徴空間の次元縮約が最適投票重みの決定に重要であることを示唆する。
特にTF-IDF特徴量と深層学習モデルの組み合わせが、非線形分離可能なケースで有効であることが確認されている。
Scale-Freeネットワークを想定した拡散シミュレーション[6]では、個人の接続数kに依存する感染率β(k)が次のようにモデル化される：
β(k) = β₀k^α
モンテカルロシミュレーションにより、α > 1でスーパースプレッダーの存在が拡散速度を指数関数的に増加させることが確認されている。
個人のネットワーク中心性指標（媒介中心性、固有ベクトル中心性）を監視することで、高危険ノードの早期特定が可能となる。
個人の事前信念p(h)をベータ分布Be(α,β)で表現し、新規情報xを受信した後の事後分布を：
p(h|x) ∝ L(x|h)p(h)
ここで尤度関数L(x|h)をフェイク情報検出アルゴリズムの出力確率とする。
確認バイアスをモデル化するため、反証情報の重みを減衰係数γで調整する：
L(x|¬h) → γL(x|¬h) (0 < γ < 1)
この枠組みにより、個人の信念更新プロセスを定量的に追跡可能となり、認知バイアスが誤情報受容に及ぼす影響をシミュレーションできる[4]。
フェイク情報検出の数学理論は、動的システム理論の安定性解析から始まり、疫学モデルによる介入効果の定量化、統計的検定の根本的限界の認識、機械学習の最適化理論まで多岐にわたる。
個人レベルでの実用的応用には、これらの理論を統合した複合モデルの構築が不可欠である。
特に、認知科学と情報理論の接点となる新しい数理フレームワークの開発が今後の課題となる。
プレバンキングの最適タイミング決定や、パーソナライズされたリスク評価アルゴリズムの開発において、微分ゲーム理論や強化学習の応用が有望な方向性として考えられる。
Citations:
[1] https://arxiv.org/abs/2401.05078
[2] https://arxiv.org/html/2502.12740v1
[3] https://www.math.uci.edu/~rvershyn/papers/mpv-can-we-spot-a-fake.pdf
[4] https://scholarworks.sjsu.edu/cgi/viewcontent.cgi?article=2405&context=faculty_rsca
[5] https://arxiv.org/pdf/2203.09936.pdf
Q: 真実の情報の希少性が高まっている。数学を理解することが重要だという意見もありますが、なぜでしょうか？
数学は、情報の評価と伝達に厳密かつ客観的な方法を提供することができるため、しばしば真実を理解するための鍵と見なされる。数学では、厳密な論理法則と定義に基づいて、文が真か偽かが証明されるため、曖昧さや混乱、誤解の可能性が低くなる。また、数学の証明は独立に検証することができるため、複数の人が結果の妥当性を確認し、同じ結論に到達することができる。
情報が簡単に手に入るようになった現代では、真実と誤った情報を切り分けることがますます難しくなってきている。数理的手法を用いることで、何が真実で何が真実でないかという共通認識を確立し、情報の正確さを評価する根拠とすることができる。
しかし、注意しなければならないのは、数学は誤報の問題を解決する魔法のようなものではないということだ。他の分野と同様に、数学も人為的な誤りや偏見、操作の影響を受ける可能性があり、他のタイプの情報と同様に、数学的情報の評価には警戒心と危機感を持ち続けることが肝要である。
Q: では、数学的な情報のヒューマンエラー、バイアス、操作にはどのようなものがあるのですか？
数学的な情報には、ヒューマンエラー、バイアス、操作など、いくつか挙げられる。
数学的情報を評価する際には、このような誤り、偏り、操作の潜在的な原因を認識することが重要である。これは、数学的モデルの仮定、方法、結果を批判的に検討し、複数のソースから独立した検証を求めることによって行うことができる。さらに、基礎となるデータや方法を透明化し、オープンにすることで、より正確で信頼できる数学的情報の表現が促進される。
Q: AMSからよく本を買いますが、AMSは信頼できるのでしょうか？他に信頼できる出版社はありますか？
AMS（アメリカ数学会）は、数学および関連分野の質の高い研究を出版していることで知られる、評判の高い数学出版社である。その書籍やジャーナルは、数学者やその他の研究者に広く利用・引用されており、品質と厳密性の面で高い水準を維持しているという評判を得ている。
しかし、最終的には個々の著者の仕事に依存するため、どの出版社も、作成するすべての出版物の正確さと信頼性を保証することはできないことは知っておく必要がある。しかし、AMSのような出版社は、査読や編集の監視など、出版物の品質と妥当性を保証するための手順やプロセスを確立している。
その他、評判の高い数学出版社には、シュプリンガー、エルゼビア、ケンブリッジ大学出版などがある。これらの出版社も、出版する資料の品質と信頼性を確保するための手続きを確立しており、その書籍やジャーナルは数学界で広く利用され、尊敬を集めている。
特定の出版物を評価する際には、著者、出版社、ジャーナルや書籍のシリーズの評判、作品自体の性質や制作に使われた方法などの要素を見ることが有効である。さらに、査読済みの論文や専門家の意見など、独立した情報源を探すことで、提示された情報の信頼性と妥当性をより包括的かつ正確に理解することができる。
Q: 私は個人的に、人間の意思決定、すなわち、人間がいかに合理的に行動するかに興味があります。そのようなことを分析するために必要な数学の分野にはどのようなものがあるのでしょうか？
数学は人間の意思決定の研究に重要な役割を果たし、この現象を分析するために数学のいくつかの分野が使われている。重要な分野としては、以下のようなものがある。
これらは、人間の意思決定の研究に関連する数学の分野のほんの一部に過ぎない。使用する数学的ツールは、研究対象の特定の問題や分析対象の意思決定状況の種類によって異なる。
因果推論もまた、人間の意思決定の研究に一役買う数学の重要な分野なのである。因果関係の推論は、変数間の因果関係を決定するプロセスであり、介入や政策変更が特定の結果に及ぼす影響を研究するためによく使用される。
人間の意思決定という文脈では、経済成長、健康上の成果、政治的成果などの結果に対するさまざまな意思決定や行動の因果関係を理解するために、因果推論を用いることができる。これにより、研究者は、異なる意思決定の潜在的な結果を理解し、証拠に基づいてより多くの情報を得た上で意思決定を行うことができる。
観察研究、ランダム化比較試験、道具変数法などの手法がある。各手法にはそれぞれ長所と短所があり、どの方法を選択するかは、質問される特定の事柄と利用可能なデータの種類によって決まる。
線形回帰モデル、構造方程式モデル、ベイジアンネットワークなどの数理モデルは、変数間の関係を表し、データに基づいて予測を行うために、因果推論でよく使用されるものである。これらのモデルにより、研究者は因果関係の強さと方向を定量化し、介入や政策変更の効果について推論を行うことができる。
Q: 想像力を高めるために、量子力学を勉強した方がいいという話もあります。一方で、いろいろなことをやろうとすると時間が足りません。効率よく数学を勉強するコツはありますか？
数学の勉強は、確かに視野を広げ、想像力を高めることができ、効率的にアプローチする方法もたくさんある。ここでは、役に立つかもしれないいくつかのヒントを紹介する。
これらのヒントを参考にすることで、数学を勉強している間の時間と労力を最大限に活用し、より深く理解することができる。
Q: 数学の知識を使いたいのですが、一部の人は大学を卒業していないので、自分の能力を証明する形で数学を使うことはできません。社会的弱者が数学を武器に生き抜くとしたら、どのような方向性を提案しますか？
数学は、伝統的な大学の学位を持っていない人にとっても、個人的・職業的な成長のための貴重なツールとなりえる。
学歴に関係なく、人生やキャリアを向上させるために数学の知識を活用する方法はたくさんある。重要なのは、自分の数学的スキルを実用的かつ有意義な方法で応用する方法を見つけることである。また、データ分析やファイナンシャルプランニングなど、興味のある分野のオンラインコースを受講したり、資格を取得したりして、スキルをさらに伸ばし、雇用の可能性を高めることも検討できる。
Q: ギャンブルで勝つ、Youtuberになる、など、変わったキャリアを目指す人たちがいます。この人たちはどうやって数学を活かせるでしょうか？
数学の強い理解が役立つ型破りなキャリアはたくさんある。以下はその例。
あらかじめ日本語を理解してる人でないと理解できない日本語文法と、
理系に実感が湧くように言うと、
回帰関数を2次、3次、4次…と複雑化して《過学習＝オーバーフィット》したのが前者で
※ あらかじめ理解してる日本語＝標本データに n次関数をむりやり当てはめてる状態
※ ｎ次関数は西洋で発達した文法解析のメタファーだと思って欲しい
階層ベイジアンモデルのパラメータを MCMC でシミレーションして推定したのが後者というか…
前者でも、正則化項つけてリッジ回帰的な方向に持ってくことは可能かもしれないけど…
そのslideshareの人はただのgiftedなのでもう少し他のを参考にした方がいいと思う。
機械学習に興味を持ってビショップ本に行くのもあまりお勧めできない。
過剰にベイジアンだし実際問題あそこまで徹底的にベイズにする必要は無いことも多いから。
よく知らんけどMRIとかの方面もだいぶ魑魅魍魎なので（DTIとか微分幾何学的な話がモリモリ出てくる）、
近づくなら覚悟と見通しを持ってやった方がいいんじゃないかなあという気はする。
オライリーの本は読んだことないけど悪くなさそう。「わかパタ」とか「続パタ」とかは定番でよい。
ビッグデータがどうとか世間では言ってるけど、データのビッグさはあんま気にしなくていいと思う。
ビッグデータを処理するためのインフラ技術というものはあるけど、数理的な手法としては別に大して変わらない。
（オンライン学習とか分散学習とかの手法はあるけど、わざわざそっち方面に行く意味も無いと思う。
超大規模遺伝子データベースからパターン検出したい、とかだとその辺が必要かもしれないけど…）
数学については、線形代数は本当に全ての基礎なのでやはり分かっておくとよい。
「キーポイント線形代数」とか「なっとくする行列・ベクトル」とか、他にも色々わかりやすいいい本がある。
（まあ固有値と固有ベクトルが計算できて計量線形空間のイメージがわかって行列式とかトレースとかにまつわる計算が手に馴染むくらい。ジョルダン標準形とかは別にいらん）
プログラミングはそのくらいやってるならそれでいいんじゃないか、という気はする。行列演算が入る適当なアルゴリズム（カルマンフィルタとか）が書けるくらいか。かく言う俺もあまり人の事は言えないけど。
処理をなるべく簡潔かつ構造的に関数に分割したり、抽象化して（同じ処理をする）異なるアルゴリズムに対するインターフェースを共通化したりとかのプログラミング技術的なところも意識できるとなおよい。
ggplot2は独自の世界観ですげえ構造化してあるんだけどやりすぎてて逆に使いづらい…と俺は思う…。
遺伝子のネットワークとかなんかそれ系の話をし出すと離散数学的なアルゴリズムが必要になってきて一気に辛くなるが、必要性を感じるまでは無視かなあ。
プログラミングの学習は向き不向きが本当に強烈で、個々人の脳の傾向によってどうしたらいいかが結構異なる気がしてる。
向いてるなら割とホイホイ書けるようになっちゃうし、向いてないなら（俺もだけど）試行錯誤が必要になる。
まあせいぜい頑張りましょう。
ちょっと食い違ってる気がする。
モデルというのは、適当な回答の傾向に適当な確率モデルをあてはめましょうとかそういうもんじゃなくて、
より根源的と思われる、例えば脳神経モデルから来る行動ダイナミクスとか、そういうレベルの話。
もちろん実際にはそんなことはできないし（やろうとしてる人はいるようだけど）、現実には適当な確率モデルで
単純化して申し訳程度にベイズで階層構造を入れてみたり、何か適当にベイジアンネットを構築して解釈してみたりする程度でしょ。
アンケート結果をコレポンにブチ込んで解釈とかだともっと(非科学的という意味で)ひどい。
そういうのは科学とは言えねーなーと俺は思う、という話だね。
http://anond.hatelabo.jp/20100603200325
http://anond.hatelabo.jp/20100604004052
http://anond.hatelabo.jp/20100610084458
http://anond.hatelabo.jp/20100611083455
http://anond.hatelabo.jp/20100615082939
夜が僕の部屋にやってきた
部屋は暗くてマックブックが僕を照らしている。the tuss『Rushup I Bank 12 』が流れている。外は群青色。
僕の耳元でギーガーが囁き出す。僕は狂っているフリをしている。
NO NO NO. 僕は狂っているフリをしているフリをしている。
「セクシャルな意味の言葉を教えてくれよ」って声が聞こえる気がする。腹が減っている。ジャングルから何かが抜け出して僕にまとわりついている。俺の言葉きこえるか？あーあーあー。
夕方から夜への変化は高速だ。青が黒になっていく。バイバイ。
ジャングルジムみたいな都市を這い回るbitとそれにまつわる僕たちの幻想。社会という幻想。言葉を打ち出せば新しい幻想を君の頭が君の頭自信に幻想を見せる。タイプ→bit化→イーサネット→表示→視覚がキャッチ→脳内変換→幻覚
真っ暗な部屋が好きだ。肉体に意味がなくなるみたいに。感覚を研ぎ澄ませ。生活の雑音を音楽に置き換えてセックスをしろ。オセロの決着みたいに本能で意識を埋めろ。
群青は今や黒に限りなく近い。自動筆記をする亡霊を作る機械仕掛けのbotの群れ。
お前の意識はお前のものかって、Gigerが室内冷蔵庫の唸りを隅のほうで齧りながら言っている。君はたぶんズールー族の洗練を受ける必要があるぜギーガー。
言葉は何度もパイプされて行き着く果てで奇形の言葉が夢をもたらす。２ホップで邪悪な存在に触れることだってできる。キマった目の映像をリアルタイムで放映していた綺麗な女の子。いくつもの視線は決して孤独を埋めない。
気づかないうちに青色は消えた。灰色だ。都市の光を反射して黒であることできない空だ。あらゆるルートを探索するうちに幻想は消えてしまった。012345678909876543210
SFみたいに俺の記憶を全部レーザービームでずっと向こうに打ち放ってくれよって、鳥が鳴いてる泣いてる。ずっと先のあの向こうに行きたいんだって。そうしたらこの都市を燃やしてくれよ。
パチンコの台に機械を仕込んで店長とグルになって儲けた金を大型草食動物を殺した肉食動物みたいに分け前を食い散らかしていると、向こうから見たこともないような綺麗な羽を持った鳥がやってきて、その鳥を金で買った。その鳥はアイドルになって沢山の視線を集めたいって言っていた。
孤独な鳥は鳴いていたけれど、僕たちは尻尾を振って怯えたままそれを眺めていました。決して唱えてはならない秘密の呪文を唱えると缶詰から亡霊が這い出てきて僕に本当のことを教えてくれたけれど。夢から醒めて鳥のヴァギナに色とりどりのポスカを差し込むうちに忘れてしまった。
遠く遠くで真っ赤な隕石が通り過ぎている。ポスカを抜き取ってそれを描写しようとすると鳥は嫌がっていたし、向精神薬がなくなればカフカは落ち込んでひたすら押韻のチートコード集を集めていた。
箱男達が工場で夢の製造に従事していて、箱男の王の中身はベンガル虎だって噂がある。ベンガルトラに喰われかけている箱男の中身かもしれない。座席を回転するSUSHIバーでポスカを突き刺したまま鳥は「そこで夢はつくられているの」と言った。
「宇宙に行きたいなら今そこに座っているそこがそうさ」と相対的に近づく箱男が言って、彼女は泣いた。素数の順に爆発する地雷を踏んで15色と共に炸裂して消えて、僕はバーを出た。うつむいたまま。
undoして箱男にバールのようなものを投げつけて彼女を連れ出した。漏斗から昔の記憶が流れ出したのはヤクザがヤクザ映画の花形俳優に挨拶した話だ。
ジャングルから抜け出した野生の箱男は薄暗い目で人工ではない夢をみていた。ゾウオヲアタエルコトバマザリアッテクレ。踊りは無意識を掻き立て無規則のなかから創発性の地獄が運動を始めてベンガルトラは亡霊を求め始めた。ピンク色の乗用サイがテールランプで1万km遠くの仲間たちに危険を伝える。
夜が歌い始める。僕たちは踊り出す。ティム・バーナーズ＝リーは笑い出す。感情が全身から溢れ出して路上に数多の星が雨みたいに空から落ちてくる。「ただの黒い石だったみたい」と彼女はほほ笑んだ。ズールー族達は合成麻薬を注射してak-47を振り回す。01234567899999999...
温めた牛乳にパンを浸しながら乳牛を捌く彼らと量子コンピュータと交換で新しい踊りの教則ビデオを手に入れた僕たちは、借入を超えてレイクで現金を3億円引き出して真っ黄色の85年型のデロリアンインドサイを買ってBTFした。僕たち現在の僕たち自身を書き換えるために。
BTFに失敗した僕たちは記号の世界に移動してしまった。'機能'をいじくり回して本能と妄想を書き換えた。現在に戻ると無限マズロー状態。死と性・秩序だった無秩序が保存が破壊を食って内蔵がキーボードに切り替わっていた。
箱男たちの中身と箱は裏返って剥き出しの彼らとベンガルトラと箱男達の比率は逆転して植えたトラとトラの共食いと皇帝と臣民の比率が逆転して、むしろ逆に臣民が皇帝っぽくなってすらいたし、ピカピカ光る非同期の夢を同期させようとする電池を食う機械にしゃべりかけるとやつは答えた。
「踊ってくれよ」と言われて僕たちは新型のダンスを踊り始めた。
踊りのマクロが何度もとプレーヤーピアノ達と連動して奪うことと奪われることが等価になって実在しないヒーロー達が現れて偶像に規則と予定調和を与えた。物語の時だ。
ヒーロー達が生み出したベイジアンネットワークを貪るパックマンみたいにお話の快楽を貪る彼女が超常現象的な動きでスピーカーの振動と同じ周波数で爆裂する音楽を発する。まとめあげられた集団はリズムの原則に奪われて暴動みたいに時速2kmの速度で遠心形状で彼女に巻き込まれていく。
月に反射した腐った陽光がベンツに載ったカミュをバターみたいに溶かしてる。笑えない冗談で笑うコメディアンの悲しみがギアの悲しみを包み込んで目隠しされたノード形状の同調する協力者を通してP2P的に愛を送っている。波状に飛び散ったハッシュが変形して別の夢になる。
衛星軌道上でジョージ・ワシントン級のブラシが振られて百万色のインクが降り落ちてアクション・ペインティングで灰色の建物はサイケデリックに変色してる。
マグニチュード6000の地割れから羊が大量発生した。鉄格子に守られた僕たちは数えて眠ることのできない羊に食べられた。
放物の賜物がいくつも刺さった養殖のアサヒスーパードライが波のように揺れて聞いたことのない言葉を喋っている。
朝が避けることのできない恋や運命みたいな感じで夜を引きずり込んでいる。
二つの約束が浮き上がって実体のない情報生命体みたいに自らをbitに変換して飛んでいった。
終わったことを始まりが喋っている。あなたは夢をみていたのですと夢が喋っている。
踊りのマクロが何度もとプレーヤーピアノ達と連動して奪うことと奪われることが等価になって実在しないヒーロー達が現れて偶像に規則と予定調和を与えた。物語の時だ。
ヒーロー達が生み出したベイジアンネットワークを貪るパックマンみたいにお話の快楽を貪る彼女が超常現象的な動きでスピーカーの振動と同じ周波数で爆裂する音楽を発する。まとめあげられた集団はリズムの原則に奪われて暴動みたいに時速2kmの速度で遠心形状で彼女に巻き込まれていく。
月に反射した腐った陽光がベンツに載ったカミュをバターみたいに溶かしてる。笑えない冗談で笑うコメディアンの悲しみがギアの悲しみを包み込んで目隠しされたノード形状の同調する協力者を通してP2P的に愛を送っている。波状に飛び散ったハッシュが変形して別の夢になる。
衛星軌道上でジョージ・ワシントン級のブラシが振られて百万色のインクが降り落ちてアクション・ペインティングで灰色の建物はサイケデリックに変色してる。
違う、因果関係がそういう方向だと言ってるんじゃない。
むしろ、共通の原因として「ちょっとアレな人である」という事実が先にあって、
結果としてそいつらは40代独身であり少数派であるという現象が観測されている可能性が高いということ。
それはつまり「ちょっとアレではない人」はほとんどが既婚だという現状の事実に支えられた因果ネットワークになってるということだ。
それが「ちょっとアレではない人」も独身になるようになったら、ベイジアンネット（因果ネットワーク）の構造がそもそも変わるから、あの増田の議論は成り立たなくなるかもしんないだろってことだ。
ベイズ主義書いた増田。まぁ、ベイジアンが有効なのはソフトサイエンスなのはそうなんだけど。ってか、俺もソフトサイエンス領域だからなぁ。元増田の知識がどれぐらい分からなかったから、なんか、子供をあやすように書いてしまった。もしムカついたらスマン。
ただ、言いたかったのは、「事実と確認できていないことを強弁して事実だと信仰するのが宗教」という大雑把な分け方だと、ハードサイエンス領域だと大体上手くいくかもしれないけど、思わぬところで足をすくわれる危険性があるよ、ということ。それが言いたかった。
いやベイジアンが有効なのは（基本的には）ソフトサイエンスだろう。
理論物理学なんかは基礎理論が強力な蓋然性を持ってガチガチにできてるから、推定を中心に据える必要はあまりない。
カノニカル分布のパラメータをベイズ推定しても意味ないんだよ。
で、科学と宗教をごっちゃにしてガタガタ言ってくるような連中は、たいてい宇宙論(笑)とかに絡んでくるからな。
（彼らは科学をやたらと批判する割に、ナビエ・ストークス方程式とかは理解できないらしい）
環境だって本来はガチガチなんだけど、現在の人類は複雑系をまともに扱う道具を持ってないから、仕方がなく統計的手法を使ってるという側面はあるだろう。
おいらの趣味は
まぁ映画とかも見るけどねぇ。
ところで
http://anond.hatelabo.jp/20080617011655
あったとしたら一番最初にでてくるやつでしょ？
手元の本ではそこから Markov Random Fields にいったり
Factor Graph にいったりしている。
こいつぁだめだぁって場合が多かったような気がするけど、
手元に Mitchell 本がないので忘れた。
突っ込むともっと一杯発展があるのかな。
結構基礎が詰まっているから勉強したけど、
