2013 Fiscal Year Research-status Report
プログラム枚挙と統計的学習の組合せによる機械学習手法の提案と実装
| Project/Area Number |
25330266
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Research Institution | Keio University |
|---|
Principal Investigator |
櫻井 彰人 慶應義塾大学, 理工学部, 教授 (00303339)
|
|---|
| Project Period (FY) |
2013-04-01 – 2016-03-31
|
| Keywords | 機械学習 |
|---|
| Research Abstract |
事前準備として進めてきた、金融時系列の予測において、時系列の構造を反映した資金運用方策(行動規則)を用いる方法の適否の検討結果について記す。発見すべきパターンは単純な非線形関数(記号表現に近い関数)で記述できると仮定し、遺伝的アルゴリズムやその派生形で学習するものである。行動規則記述には、時系列データそのものではなく、非線形特徴量が必要であること、特徴量の中に予測値を含めることがよいこと、当該予測値を求める際、複数の異なるデータセット(異なる時間枠や異なる金融時系列）からの特徴量を用いる場合に、異なる核関数を用いる方がよいことなどの知見を、さまざまな実験の結果をもとに、得た。本結果の一部を、Computational financeに投稿したところ採択された。
記述言語の処理系としてruby言語で記述するyaccを用いることとした。これは、記述を試みた経験から、手続き的記述や配列等のデータ構造が必須であるためPrologは不適であると考え、また、本研究のように試行錯誤を伴うものには、script言語をベースにした処理系の方がよいからである。
対象言語・枚挙方法の記述言語の仕様については、その第一版を決めたが、下記に述べる理由により大幅改定を次年度で行う予定である。
抽象化した記述言語として（本研究提案通り）文法記述を用い、適用対象として画像を考える。文法は1次元の列を記述するものであるが、画像は2次元である。2次元に分布する特徴量を表現するには、非終端記号Aである行を表し、Aからの生成を記述する規則で行内の特徴量の関係を表すのが自然である。しかし、これでは列内の特徴量の関係を表現することはできない。この課題に対し、特徴量の関係を表す生成規則と位置関係を表す生成規則と、それらの拘束条件を表す規則を用いて表現するという方法を案出した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
記述言語の仕様を大幅に変更したためである。ただし、これにより、よりよい成果が得られると考えた。
|
| Strategy for Future Research Activity |
基本的には、当初計画に沿って進める。遅れの原因となった、仕様言語の変更は、変更後の記述方法のもつ可能性が大きいため、研究の価値を高めることに繋がると考える。
|
| Expenditure Plans for the Next FY Research Funding |
論文出版に関わる費用の、出版社への支払い方法を交渉中に、期末となった。
論文出版に関わる費用として支出する
|
