2004 Fiscal Year Annual Research Report
オンライン予測の手法を用いた意思決定モデルに関する研究
| Project/Area Number |
16092201
|
|---|
| 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)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
酒井 義文 東北大学, 大学院・農学研究科, 助教授 (10277361)
天野 一幸 東北大学, 大学院・情報科学研究科, 助手 (30282031)
|
|---|
| Keywords | オンライン予測 / ブースティング / 計算学習理論 / 計算量 / 下界 / しきい値回路 / 検索エンジン |
|---|
| Research Abstract |
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タイプと決定木生成タイプのブースティング手法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.
ネット上の新規文書の公開及び既公開文書の改訂を即時に認識し,ユーザへの検索結果に直ちに反映させることのできる検索システムの構築を目指して,互いに協調する複数個のサーバによって構成される分散型の検索エンジンの開発を進めており,アーキテクチャの観点からの対故障性の向上に関する技術を提案し,その有効性を検証した.また,検索結果の提示法として,公開や改訂の時刻に依存した文書の新しさを加味した文書採点法を提案した.
一様分布における単調論理関数の学習問題について,従来知られるものより単純かつ効率的な学習アルゴリズムを与えた.また,論理関数の感受度を解析することにより,理論的な性能限界を達成することのできる学習アルゴリズム構成のために必要な条件を与えた.
しきい値素子を用いた回路において,非限定的な重みを持つ1層のしきい値回路を,多項式的重みを持つ2層のしきい値回路によって模倣する,従来知られる手法よりも効率の良い手法を発見した.また,加算,比較等の基本的かつ重要な演算が,小さいサイズの2層のしきい値論理回路で計算可能であることを明らかにした.
|
