2008 Fiscal Year Annual Research Report
| Project/Area Number |
20700251
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
金森 敬文 Nagoya University, 情報科学研究科, 准教授 (60334546)
|
|---|
| Keywords | 機械学習 / 統計数学 / 数理工学 |
|---|
| Research Abstract |
今年度は主に密度比の推定とその応用, 分位点回帰分析, ブースティンクに関する研究を行った.
1. 密度比とは, ふたつの確率密度関数の比によって表される関数であり. 共変量シフトのもとでの学習や外れ値検出などの応用されている. 本研究では2乗誤差関数にもとずく方法を提案した. この方法は既存の方法と比べて計算効率が優れており, 推定量と交差検証法の計算が解析的に実行できる点に特徴がある. さらに密度比推定を独立成分分析へ応用した. 提案手法の推定精度は他の方法と比較して優れているとが明らなになった. これらの成果は"Efficient Direct Density Ratio Estimation for Non-stationarity Adaptation and Outlier Detection"など複数の論文にまとめられ, 出版されている.
2. 分位点回帰分析を用いた条件付き密度関数の推定のための方法を提案した. 分位点回帰は回帰分析の分位点関数を推定する方法であり, パラメリック最適化の手法を組み合わせることによって, 条件付き密度関数の推定が可能になった. この成果は"Nonparalnetric Conditional Density Estimation Using Piecewise-Linear Path Following for Kernel Quantile Regression"にまとめられ, 出版されている.
3. ブースティングとは, 学習アルゴリズムを組み合わせること, 高精度の予測を行う手法である. 多値判別においてミスラベルを考慮したときのロバストなブースティング法を開発し, 理論的な性質について研究を行った. この成果は"Robust Boosting Algorithm against Mislabelling in Multi-Class Problems"にまとめられ, 出版されている.
|
