2019 Fiscal Year Annual Research Report
ビッグデータ時代の複雑構造データを扱う機械学習法の研究
| Project/Area Number |
15H01704
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
|
|---|
| Project Period (FY) |
2015-04-01 – 2020-03-31
|
| Keywords | 機械学習 / 人工知能 / ヒューマンコンピュテーション / クラウドソーシング |
|---|
| Outline of Annual Research Achievements |
本研究課題では、グラフ構造などの複雑な構造をもつデータや、人間によって生成された曖昧さをもつデータを効果的に扱う手法について取り組んだ。
今年度は、前年度から引き続き、グラフ構造データに対する高度な機械学習法の開発や、複数の人間の意見と機械学習を融合することによって、よりよい意思決定を行うための統計的手法の開発をおこなった。
たとえば、近年著しく発展しているグラフ深層学習法は様々な領域で成功を収めているが、その能力についての理論的考察は十分ではない。そこで、グラフ深層学習の近似能力の解析と、より能力の高いモデルのクラスを提案した。また、より一般的な階層構造をもったグラフに対する深層学習法を開発し、これを化合物間相互作用の予測に応用する研究を行った。
一方、機械学習を適用するだけの十分なデータが得られない専門性の高い課題において、専門家・準専門家の判断を統合することで解決を図る方法を開発し、これを化合物の合成可能性の判定に応用する研究を行った。その他にも、MOOC等のオンライン学習環境において、相互評価に基づく、学習者の能力を正確に評価する方法の開発を行った。
さらに、人間と機械学習アルゴリズムが協力して適切な判断を行う枠組みとして、人間が得意とする抽象的あるいは直感的な特徴量の抽出を行い、機械学習モデルがこれに基づいて予測を行うという人間参加型機械学習の新たな手法を開発した。
いずれの研究も、実世界の複雑で曖昧なデータを、機械と人間それぞれの得意領域を生かし、さらにこれらを統合して問題解決を行うための一般的な方法論の開発とその応用に取り組んできた本研究課題を締めくくる形で、学術雑誌・国際会議等での成果発表を行った。
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
-
-
[Journal Article] DDBJ Data Analysis Challenge: A Machine Learning Competition to Predict Arabidopsis Chromatin Feature Annotations from DNA Sequences2020
Author(s)
Eli Kaminuma, Yukino Baba, Masahiro Mochizuki, Hirotaka Matsumoto, Haruka Ozaki, Toshitsugu Okayama, Takuya Kato, Shinya Oki, Takatomo Fujisawa, Yasukazu Nakamura, Masanori Arita, Osamu Ogasawara, Hisashi Kashima, Toshihisa Takagi
-
Journal Title
Genes & Genetic Systems
Volume: 95
Pages: 43-50
DOI
Peer Reviewed / Open Access
-
-
-
-
-
-
-
-
-
