スパース加法モデルの推定法として，マルチプルカーネル学習（MKL）が提案されているが， 本発表ではそのベイズ的な変種について考察し，PAC-Bayesの手法を用いてその性能解析 を行う．標準的なMKLの解析では，restricted eigenvalue conditionのような強い仮定をデザ インに課するが，我々はPAC-Bayesの技法を用いてベイズ的なMKLがそのような仮定を設け ないで最適レートを達成することを示す．我々の結果は，近年発展しているガウシアンプロ セス回帰に関する理論を包含しており，PAC-Bayesを使ったより単純な証明を与える．我々 の考える推定量はガウシアンプロセスのスケール混合であり，スケール混合を取ることに よって適応的に最適レートを達成することが示される．また，有限次元のグループラッソに 対応する状況も考え，その収束レートを与える．