2004 Fiscal Year Annual Research Report
オンラインアルゴリズムにおける次元圧縮に関する研究
| Project/Area Number |
15500001
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
瀧本 英二 東北大学, 大学院・情報科学研究科, 助教授 (50236395)
|
|---|
| Keywords | オンライン予測 / カーネル手法 / 情報圧縮 / 次元圧縮 / ブースティング / リスク情報 |
|---|
| Research Abstract |
複数のエキスパートが与える予測を統合するオンライン予測の問題に対し,ほぼ最適な予測値系列を出力するさまざまな手法が開発されている.これらの手法は,エキスパートの予測の重みつき平均に基づいて自らの予測値を求めるという共通の性質を持つ.しかし,多くの自然な問題では,統合すべきエキスパートの数が指数的あるいは無限であるため,この手法を直接適用することはできない.本研究では,低次元空間におけるパラメータベクトルを用いて重みベクトルを間接的に表し,予測の統合や重みの更新を効率よく模倣する手法を提案し,その可能性について以下の成果を得た.
グラフの道に基づいて定まる予測戦略のクラスに対し,辺空間(低次元空間)におけるベクトルを用いて統合アルゴリズムを効率よく模倣する手法を与えた.また,この手法が,形式文法が生成する言語を予測戦略のクラスとする問題に対しても適用できることを示した.
予測性能があまり良くない複数の仮説を統合して予測性能の良い仮説を構築するブースティングの問題に対し,サンプルの分割と併合を繰り返すことによって決定ダイアグラムを構成する新しいスキームを得た.また,従来異なる原理に基づくものと思われていたAdaBoostタイプのアルゴリズムと決定木生成タイプのアルゴリズムを統一的に扱うための理論的枠組みを与えた.
予測モデルを拡張し,エキスパートの与える予測に対し,それらの損失の範囲(リスク情報)があらかじめ知らされている場合について,統合アルゴリズムの設計と解析を行い,厳密な性能評価を与えた.
|
