2010 Fiscal Year Annual Research Report
情報統合のためのアンサンブル学習アルゴリズムの開発と解析
| Project/Area Number |
21700304
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
竹之内 高志 奈良先端科学技術大学院大学, 情報科学研究科, 助教 (50403340)
|
|---|
| Keywords | パターン認識 / アンサンブル学習 / 情報統合 / 統計的学習理論 |
|---|
| Research Abstract |
今年度は主にアンサンブル学習の枠組みで.多値判別のための手法の開発.GPRによる地中画像再構成手法の開発関係性データモデリングの手法の開発を行った.
・多値判別問題ではクラスの数が多くなると問題のサイズが大きくなり計算量的に問題が生じるため,2値判別器を組み合わせて多値判別器を構成するアプローチがよく用いられる.従来,ブラッドリー・テリーモデルを用いた2値判別器の統合が行われていたが,2値判別問題において学習に用いないクラスの取り扱いに問題があった.本研究ではその問題を適切に扱うための枠組みとアルゴリズムを提案することで.従来注に比べて大幅に精度を向上を達成した.まだ計算量の削減のために新たなコスト関数を導入した結果.精度を保ったまま計算量を大幅に削減することができた
・地雷の主な構成原料がプラスチックとなり従来の金属探知機による地雷検出が難しくなったことで.地中探知レーダーによる多点観測(複数の情報源)の統合による地中可視化を行うというニーズがある.これは観測次元に対して推定するべき変数が格段に多い典型的な逆問題である.この問題に対し適切な事前分布を導入してベイズ超解像を行うことで,高精度の地中可視化を可能にした.
・関係性データ(複数のユーザーの行動履歴や属性.ユーザーがあるアイテムに対して行った評価のデータ等)をモデリングするための基幹技術として用いられているテンソル因子化法に対して,データの各変量が異なる素性を持つような場合を対象として,指数型分布族を用いた拡張を行い,効率的な最適化を行うための近似法を提案した.実データを用いて提案法と従来手法と比較し.欠測予測と異常値検出に対して提案法が高い予測性能を発揮することを確認した.
|
