| Project/Area Number |
24K14847
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60030:Statistical science-related
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
イリチュ 美佳 (佐藤美佳) 筑波大学, システム情報系, 教授 (60269214)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
清水 信夫 統計数理研究所, 学際統計数理研究系, 助教 (00332130)
羽田野 祐子 筑波大学, システム情報系, 教授 (60323276)
青嶋 誠 筑波大学, 数理物質系, 教授 (90246679)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2025: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2024: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | Fuzzy clustering / AI / 計算知能 / 次元削減 / 統計科学 / 人工知能 / クラスタリング / 高次元小標本データ |
|---|
| Outline of Research at the Start |
高次元小標本型データの解析法として、人工知能（Artificial Intelligence, AI）の一つの分野である計算知能（Computational Intelligence, CI）の技術を活用することで、非線形型高次元小標本データ解析法を開発する。それと共に、開発した手法の各種性能を精査し、各種の高次元小標本型データに適用することで実用化を図る。
|
| Outline of Annual Research Achievements |
本研究は、AIの一分野である計算知能の分野で開発されている計量を従来型の統計手法に組み入れることで、高精度を保持しつつ理論的整合性のある手法を開発することが主目的である。この方法が完成すれば、未知とされているAI手法の解の構造を解明することが可能となる。本年度は、計算知能で開発されたファジィクラスタリングによるクラスター計量について、より複雑なデータの構造を反映したクラスター計量を求める手法を開発し、この結果得られた計量をこれまで提案してきた非線形次元縮小法に適用することで、高次元小標本データに適用出来得る新たな解析法を提案しその有効性について検討した。さらに、分類モデルのシミュレーションを通して、クラスター計量の数理的特性について精査した。特に、従来の次元削減法では適用不可能とされていた、質的データと量的データが混在する混合データにおいて、クラスターの計量を活用し非線形次元削減法に拡張することで適用可能とする方法を提案するとともに、その視覚化技法について検討した。これらの手法は、従来の機械学習における識別手法にファジィクラスター計量の考えに基づく測度を取り入れたものであるが、このようなデータの扱い方や手法は、これまで国内外においても見当たらない。これらの手法の応用として、AIに基づく教育技法やラベルの階層構造に着目した言語識別法の開発において有効であることを示した。この研究成果は、3編の査読付き国際学術雑誌論文に採録され、1編の英文書籍の章を出版した。さらに、招待講演を含む4回の国際会議における講演、２回の国内発表を通じて、これらの手法に対する研究成果を発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は、従来の統計手法に計算知能の技術を活用することで、高精度を保持しつつ理論的整合性のある新手法を開発し、基礎研究に基づく種々の応用研究を行うことが主目的であったが、分類モデルの数理的特性の検討を含む各種応用研究等、その目的を達成しているため、おおむね順調に進展しているといえる。
|
| Strategy for Future Research Activity |
開発した技術を基軸とし、応用研究の結果から得られた知見を有効利用して、AI技術の汎化性能の解明に焦点をあて、より複雑なモデルに対するシミュレーションを行う必要がある。さらに、開発したモデルについて、論文にまとめ公表する必要がある。
|
