2021 Fiscal Year Annual Research Report
An Establishment of On-line Learning Method of Conditional Probability Density Function and Its Design Method
Project/Area Number |
19K04450
|
Research Institution | Tokyo Metropolitan Industrial Technology Research Institute |
Principal Investigator |
金田 泰昌 地方独立行政法人東京都立産業技術研究センター, 開発本部情報システム技術部通信技術グループ, 上席研究員 (20463010)
|
Project Period (FY) |
2019-04-01 – 2022-03-31
|
Keywords | 条件付き密度推定 / ベイズ推定 / スパースモデル |
Outline of Annual Research Achievements |
近年,システムを条件付き確率密度関数としてモデリングする方法(確率的モデリング)が注目されている.しかしながら,既存の確率的モデルは多出力系や複雑な分布形状への対応,オンライン学習,データ数削減が個別に検討されおり,全てを考慮した方法,すなわち多出力系かつ複雑な分布形状に対応した確率的モデルのオンライン学習法は明らかにされていない.そこで本研究では,多出力系の確率的モデルに対して分布形状の仮定を必要としないオンライン学習法の確立およびその設計法の確立を目的とする. 2021年度はこれまでに得られた確率的モデルに対してデータ数削減法を検討した.具体的には,これまでに提案した,ガウスカーネルの重み付き平均としてモデル化された同時分布のパラメータをベイズ推定で求める方法において,事前分布として馬蹄分布やラプラス分布をはじめとするスパースモデルを導入する方法を検討した.この方法により原理的に係数が削減できる.
|