【研究分野】知能情報学

【研究領域課題番号】17H01793 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / ノンパラメトリック / 情報幾何 / 学習アルゴリズム / 情報幾何学 / ノンパラメトリック推定 / ガウス過程 / モーダル回帰 / 非負値行列分解

【研究成果の概要】

大量のデータを効率的に機械学習で扱う有効な方法として、データを確率分布のパラメータに縮約することが考えられる。本課題では、そのようなデータに対する機械学習の開発に取り組んできた。もともと、代表者が開発してきた分布データに対する主成分分析の拡張という研究があったが、それをより柔軟性のあるノンパラメトリックな枠組みへと拡張するというのが本研究課題の学術的な貢献であり、ガウス過程回帰の情報幾何などで達成できた。また、神経科学や地球物理学などへの応用についても情報幾何学的な行列分解の適用などを通じて実践できた。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2022-03-31

【配分額】17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)

【研究分野】統計科学

【研究領域課題番号】21300106 (KAKENデータベースで見る）

【研究キーワード】

非線形モデリング / スパースモデリング / 高次モデル評価基準 / 正則化法 / ベイズモデリング / 高次非線形モデリング / ベイズ型予測モデル評価基準 / 高次情報量規準 / ロバストモデリング / ベイズ型モデリング / スパース回帰 / ベイズ型予測分布モデル / 時空間現象解析 / カーネル型推定量 / モデル評価基準 / L1型正則化法 / 機械学習 / ベイズ理論 / モデル選択 / 高次漸近理論 / L1タイプ正則化推定法 / 時系列解析 / 構造方程式モデリング / 識別・判別法 / ノンパラメトリック / 漸近理論 / Lasso型正則化法 / 空間データ / 混合分布モデル / 漸近推測 / 変化点解析 / 非正則統計モデル / 非線形確率微分方程式

【研究成果の概要】

計測・測定技術の高度な進展は，諸科学・産業界で大規模・高次元データの獲得と蓄積を促進し，現象解明に有用な情報を抽出するには従来手法は有効に機能せず，新たな解析手法の研究が希求されるようになった．本研究では，現象解明と予測・制御に不可欠な現象のモデル化とデータ解析手法の開発研究に取り組み，次のような研究成果を挙げた．(1) L1 型正則化法を理論的・数値的に研究し，汎化能力の高い回帰モデリング，識別・判別法を提唱した. (2)モデリングの過程で重要なモデルの評価・選択問題に取り組み，新たなモデル評価基準を導出した．(3) ベイズ型モデリングについて研究を推進し，汎用性の高いモデリングを提唱した．

【研究種目】基盤研究(B)

【研究期間】2009-04-01 - 2014-03-31

【配分額】16,250千円 (直接経費: 12,500千円、間接経費: 3,750千円)