2016 Fiscal Year Annual Research Report
Study on Quasi-Linear Support Vector Machine and Its Applications
| Project/Area Number |
25420452
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
古月 敬之 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (50294905)
|
|---|
| Project Period (FY) |
2013-04-01 – 2017-03-31
|
| Keywords | サポートベクターマシン / ニューラルネットワーク / 機械学習 / 適応制御 / パターン認識 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
本研究では、制御系設計などに利用しやすい構造を持つニューラルネットワークモデルを構築し、そのパラメータを推定するための体系的な学習法の確立を目指す。具体的に、回帰または分類のための利用しやすい線形構造を有する準線形サポートベクターマシン（SVM）の構築およびそのオンライン学習法の開発を行い、スイッチング適応制御法や高性能分類器の開発等への応用研究を行っている。本年度では、これまで開発した準線形SVMシステムの応用展開の研究を中心にして、時系列予測や制御系設計、パターン認識などの応用技術の開発を行った。さらに、深層学習や深層ニューラルネットワークを取り入れた特徴量の抽出機能を持つ深層準線形SVMの検討を行った。
① 時系列予測への応用に関しては、雑音が多くでランダムに近い為替レートや株価指数などの予測システムを構築する。具体的に、準線形SVMを適用し、複数個SVMをベースにした階層型SVMネットワークの知的構成技術と高次元な入力ではなく出力をベースにした領域の自動分割の技術の開発を行った。
② 制御系設計への応用に関しては、準線形SVMを用いた線形予測器と非線形予測器を同時に同定するための準線形モデリング技術、安定な線形適応制御技術と高精度の非線形適応制御技術、制御系の安定性を確保しながら制御精度を向上するスイッチング制御技術の開発を行い、安定な線形適応制御と高精度の非線形適応制御を自動的に切換えることによって、準線形SVMという一つのモデルで制御系の安定性を保証しながら制御精度を向上することを実現した。
③ パターン認識への応用に関しては、準線形SVMを用いたバイオインフォマティクスにおける配列データの解析・分類および蛋白質構造や遺伝子機能の予測技術の開発を行った。
|
