【研究領域課題番号】18H03291 (KAKENデータベースで見る）

【研究キーワード】

記述長最小原理 / MDL原理 / 深層学習 / 情報理論 / MRI / サイバーセキュリティ / 教師あり学習 / 汎化誤差 / スパース学習 / 磁気共鳴画像法 / 超解像 / 汚染ガウスモデル / 進化系統樹 / 圧縮センシング / 情報幾何学 / Markov連鎖 / メタ学習 / スパース重ね合わせ符号 / Markovモデル / 誤り訂正符号 / 局所指数族バンドル / 非負値行列因子分解 / 確率的コンプレキシティ / 機械学習

【研究成果の概要】

MDL原理に基づく学習理論の深化と応用について研究を行った．記述長最小原理（MDL原理）の基礎については，Barron and Coverの理論（BC理論）の教師あり学習への拡張と，深層学習との関連について考察した．BC理論と確率的コンプレキシティ（SC）を関係づける研究において，目標モデルを非指数型分布族に一般化することに成功した．その他，スパース学習を応用した誤り訂正符号への深層学習の応用やAMPにおけるダンピングの解析を行った．応用研究としては，主として磁気共鳴画像法（MRI）とサイバーセキュリティ領域を主題とした．

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2021-03-31

【配分額】17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)

【研究分野】知能情報学

【研究領域課題番号】19300051 (KAKENデータベースで見る）

【研究キーワード】

学習理論 / 情報量 / 情報幾何 / 機械学習 / 確率的コンプレキシティ / ユニバーサルポートフォリオ / 超解像 / 通信路容量 / Bregmanダイバージェンス / データ圧縮 / ユニバーサル符号 / 密度比推定 / Boosting / 凸2次計画法 / 暗号解読 / 固有値分布 / 一般物体認識

【研究成果の概要】

機械学習,情報理論,およびそれらの応用に関する諸課題について,記述長最小原理に基づく統一的視点のもとに研究を行った.特に,Markovモデルの幾何学的構造と確率的複雑度の関係,通信路容量と確率的複雑度の関係について考察し新たな知見を得た.また,アンサンブル学習等に関して考察し,効率的アルゴリズムや推定法を提案した.さらに,これら基礎的知見に基づき,ネットワークセキュリティにおけるインシデント検知,ポートフォリオ(分散投資戦略),超解像などについて,新たな学習手法を提案し,その有効性を示した.

【研究種目】基盤研究(B)

【研究期間】2007 - 2010

【配分額】18,590千円 (直接経費: 14,300千円、間接経費: 4,290千円)