2015 Fiscal Year Annual Research Report
統計的学習理論と凸最適化アルゴリズムに基づく大規模データの自動分類法に関する研究
| Project/Area Number |
25330045
|
|---|
| Research Institution | Shonan Institute of Technology |
|---|
Principal Investigator |
小林 学 湘南工科大学, 工学部, 教授 (80308204)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
平澤 茂一 早稲田大学, 理工学術院, 名誉教授 (30147946)
|
|---|
| Project Period (FY) |
2013-04-01 – 2016-03-31
|
| Keywords | 学習理論 / 凸最適化 / 統計的モデル / ビッグデータ解析 / 隠れ属性モデル / メトリックラーニング / I-Scover |
|---|
| Outline of Annual Research Achievements |
本年の主な研究成果として，(1)L1正則化による大規模計量行列の導出手法，(2)変分ベイズ法を用いた隠れ属性モデル解析手法，(3)ECサイトにおける購買情報の解析手法，(4)大規模プログラミング編集履歴取得・可視化システムの構築と解析，の提案を行った．
具体的に(1)では，ビッグデータに対する計量行列の評価指標にL1正則化項を導入した時に，統一的に凸最適化手法であるADMMを用いて高速に最適化を実現する手法を提案し，さらにその結果得られる計量行列の固有値の特性を解析的に導出した．(2)ではマーケティングにおける各サービスに対する顧客の消費行動や評価値などを解析するための統計的隠れ属性モデルの提案を行い，このモデルに対して変分ベイズ法により解を効果的に求める手法の導出を行っている．(3)ではECサイトにおける購買情報に対して統計的モデルであるFMMと凸最適化手法の組み合わせによって購買者及び商品のグルーピングと，それぞれのグループが持つ有意な属性を推定する手法を提案している．さらに(4)において，初学者のC/C++言語プログラミング教育を対象に，WEB上でプログラムの作成及び実行を可能とし，同時に詳細な学習者の大規模編集履歴を取得・可視化するWEBシステムを構築した．
研究期間全体を通して本研究の大きな意義並びに重要性は，大規模データに対して統計的手法並びに凸最適化それぞれの長所を用いることにより，広範な諸問題に対して精度の高い解を効果的に求めることが可能となったことである．具体的には上で述べた最終年度の成果の他，データに秘匿性を持たせたまま学習を行うプライバシー保護分散処理問題，最適化手法を用いた動的再構成回路の設計問題，ビッグデータ解析による木構造を用いた無ひずみデータ圧縮手法，学生の授業への出欠情報を用いた隠れ属性モデル解析問題，ランダムマルコフフィールドを用いた大規模故障診断問題，等々である．
|
