2012 Fiscal Year Annual Research Report
| Project/Area Number |
24300106
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Research Institution | Osaka University |
|---|
Principal Investigator |
下平 英寿 大阪大学, 基礎工学研究科, 教授 (00290867)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
金森 敬文 名古屋大学, 情報科学研究科, 准教授 (60334546)
清水 昌平 大阪大学, 産業科学研究所, 准教授 (10509871)
|
|---|
| Project Period (FY) |
2012-04-01 – 2016-03-31
|
| Keywords | 統計的推測 / ブートストラップ・リサンプリング / スケーリング則 / 仮説検定 / モデル選択 / ベイズ統計 / マルチスケール / 分子系統学 |
|---|
| Research Abstract |
計算結果の頻度を数えるだけで統計的信頼度を求めるシミュレーション技法の研究が数理統計学で行われてきた.その中でも下平の先行研究はデータのサンプルサイズが変化するときの確率のスケーリング則を利用して,ベイズの事後確率を頻度論の確率値へ変換して高精度な信頼度を求める独創的な方法である.これを発展させて,本研究ではベイズと頻度論のギャップを埋める方法を研究する.
本年度は次のような成果が得られた.
1.マルチスケール・ブートストラップ法を再検討して,m=nとm=-nをつなぐ信頼度に関する理論的な理解が進んだ.サンプルサイズmの変化は仮説曲面の曲率の変化として解釈できるだけでなく,仮説領域の形を変化させるようなある種の空間の変換に等価であることがわかった.
2.マルチスケール・ブートストラップを高速計算するために,これまでCPUのマルチコア並列実装を行っていたが,今回はさらに高速化を目指してGPGPUによる並列計算を行った.CPUとGPGPUのハイブリッド並列によって高速計算が可能になった.
3.機械学習の判別分析では,予測ラベルの信頼性を適切に評価する必要がある.以前行った研究では,マルチスケール・ブートストラップ法による信頼性評価の方法を提案した.これを高次元データの変数選択を行う学習アルゴリズムに発展させる準備段階として,今年度は,ロバスト最適化における不確実性集合を用いる判別法について研究を行った.
4.因果関係を有向グラフで表現するとき,そのグラフを推定することは統計的モデル選択になる.以前行った研究では,この問題にマルチスケール・ブートストラップ法を適用した.これを発展させる準備段階として,今年度は,有向グラフでは表現できない未観測交絡変数がある場合の因果分析法の研究を行った.
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
理論,実装,応用のそれぞれの観点で,ある程度の成果が得られつつある.次年度以降への準備が比較的順調に進んでいる.
|
| Strategy for Future Research Activity |
初年度より研究代表者が所属機関を異動になり,業務,機材,学生を含めた研究環境が予想以上に変化した.今年度も新たな研究環境の改善につとめる.
|
| Expenditure Plans for the Next FY Research Funding |
研究代表者の異動によって学生等の研究協力者に対する謝金の利用が予定より少なくなった.現在,あらたな体制が整いつつ有り,今後は状況が改善する予定である.
|
Research Products
(17 results)
