2008 Fiscal Year Annual Research Report
アンサンブル学習による新たなアルゴリズムと情報論的解析による洗練, 及びその応用
| Project/Area Number |
19700264
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
竹之内 高志 Nara Institute of Science and Technology, 情報科学研究科, 助教 (50403340)
|
|---|
| Keywords | ブースティング / 集団学習 / 多値判別 / 誤り訂正符号 |
|---|
| Research Abstract |
本研究では近年注目を集めている2種類のアンサンブル学習, ブースティングとECOCに基づく多値判別に関する研究を行った.特に20年度はECOC, ブラッドリーテリーモデルに基づく多値判別器の構成について重点的に進めた.
(1) 提案したECOC多値判別法では, 確率モデルを用いて複数の2値判別器を組み合わせて多値判別器(デコーダー)を構成するための枠組みを提案しており, その枠組みにおいては各2値判別器同士の相関関係を考慮してデコーダーを構成する事ができる.また提案手法では確率モデルをベースとして推定を行っており, 対象とするデータに対して適応的デコーダーを構成することができる.確率モデルをベースとしたことで, 従来の手法に用いられている様々な拡張や正則化を容易に適用できることが提案手法の利点であり, 提案手法は従来の最新の多値判別手法を優越する性能を示す事がわかった.
(2) ブラッドリーテリーモデルに基づいてアンサンブルを行い多値判別器を構成する枠組みにおいて, 従来のブラッドリーテリーモデルに基づく手法がうまく扱えなかった点を解決するために, アダブーストを改良した新たなアルゴリズムを提案し, それに基づく多値判別法を提案した.提案手法は予測精度を落とす事なく計算コストを大幅に削減する事ができている.
・複数の予測器(ベイジアンネット等)を(ベイズ的に)組み合わせて推薦システムを構成し, ユーザーモデリングを行うための手法を提案した.
|
Research Products
(7 results)
