2014 Fiscal Year Research-status Report
特徴空間の幾何構造を利用した学習アルゴリズムの構築
| Project/Area Number |
25330276
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
赤穗 昭太郎 独立行政法人産業技術総合研究所, ヒューマンライフテクノロジー研究部門, 研究グループ長 (40356340)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤木 淳 福岡大学, 理学部, 准教授 (10357907)
|
|---|
| Project Period (FY) |
2013-04-01 – 2017-03-31
|
| Keywords | アルゴリズム / 機械学習 / 幾何学 / 関数解析学 / パタン認識 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，特徴空間の幾何学的構造の解明およびそれに基づく学習アルゴリズムの構築を行い，パターン認識やコンピュータビジョンに応用することであり，その研究の流れに沿って下記のような成果を得た．
これまで，複数の情報源に共通して含まれる情報を非線形抽出する手法として用いられるカーネル正準相関分析の改良を行った．カーネル正準相関分析では，変換の自由度が高すぎるため，元の入力空間の情報とはほとんど無関係な成分が得られることがある．これを解決するために入力空間と特徴空間の間の相互情報量を最大化することにより，入力空間の情報を保持した特徴量を抽出するアルゴリズムを開発した．非線形かつ非ガウス的な確率変数の相互情報量を扱うために，最近傍識別器に基づく推定法を採用したが，非常に多数の局所最適解があることがわかったため，マルコフ連鎖モンテカルロ法の一種であるパラレルテンパリング法によってより大域的な探索を行なって解の改良を行った．その結果，人工データについてではあるが，カーネル正準相関分析ではうまく抽出できない内部構造を抽出することに成功した．これにより，現実の問題において複数のモダリティからの入力に対して入力空間の性質をより反映した共通情報を抽出することが可能になった．この結果は査読付き国際会議に採択され発表を行った．また，カーネル法では主成分分析と劣成分分析の関係が非線形の場合ほど単純ではないという昨年度までの知見に基づき，グラム行列の低次元化を入力空間の聞か構造に着目する手法について数値的な検討を開始した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
正準相関分析については国際会議での発表を行うことができ，順調に進展している．ただし，主成分分析と劣成分分析の関連についてはまだ発表まで結び付けられていない点で当初の計画以上に進んでいるとまでは言えない．
|
| Strategy for Future Research Activity |
研究の方向性自体は有望であると思われるので，最終年度に向けて主成分分析と劣成分分析の関連性について明らかにするよう共同研究者間の連携をより強化して研究を進めていきたい．
|
| Causes of Carryover |
主成分分析と劣成分分析の関連性についての発表ができなかった分，旅費の支出が少なくなったため．
|
| Expenditure Plan for Carryover Budget |
学会発表のための旅費として用いる．
|
