2011 Fiscal Year Annual Research Report
| Project/Area Number |
21500146
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
櫻井 彰人 慶應義塾大学, 理工学部, 教授 (00303339)
|
|---|
| Keywords | 人工知能 / 機械学習 / モデル平均 |
|---|
| Research Abstract |
1.構造混合:(1)UCI repositoryの実データを23件用い、EM類似の方法を用いるこどたより7-6DEの和による近似精度がほぼすべての場合に向上することを示した。(2)時系列データに対しても同様の構造混合の手法が適用できるか否かを調べた。直接的な適用は、計算時間の制約と当該時系列データ(外国為替取引データ)の時間方向の非一様性によるさらなる計算時間の増大により、実際上適用は困難であった。そこで、ODE以外の要素分布を求めるために、変数(時系列データおよびそれに基づくいわゆるテクニカル指標)と単純な分布関数との組み合わせをGP(genetic programming)を用いて探索した。また、関数形を決めてGA(genetic algorithm)を用いてパラメータ推定を行った。
現在のところ、GAによるある特定の関数が最も良い推定値を出している。次にはこうして得られた性能上位の分布を組み合わせる試みを行う。(3)半教師あり学習を構造混合の問題ととらえなおし、2つの基本的な方法(要素分布に対応)に適用すること試みた。すなわち元の形式のままでは半教師あり学習に拡張できない教師付学習アルゴリズムに対して構造混合の考えを用いて半教師あり学習に拡張することを試みた。Minimax probability machineに対して、manifold regularizationを近似する形を得た。
2.連続混合:(1)Markov regime switchingモデルを用い、モデル内のパラメータを積分消去する連続混合を用いて、外国為替市場のvolatilityを予測するモデルを試みた。現状では、連続分布で積分消去するモデル(その近似モデル)ではよい結果が得られず、単純な離散分布との混合では良い結果が得られている。(2)上記のminimax probabihty machineにおいて分類クラスを連続値分布に置き換え、これを積分消去し、連続混合分布と考えるregressionを考察している。研究途上である。
|
