2014 Fiscal Year Research-status Report
少数の観測信号にも適用可能な頑健性の高い独立成分分析手法の開発と応用
| Project/Area Number |
26730013
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
松田 源立 東京大学, 総合文化研究科, 学術研究員 (40433700)
|
|---|
| Project Period (FY) |
2014-04-01 – 2017-03-31
|
| Keywords | 独立成分分析 / 頑健性 / 機械学習 / ウェブマイニング / カリキュラム分析 |
|---|
| Outline of Annual Research Achievements |
2014年度は、主に、(1)独立成分分析(ICA)の頑健な推定関数の理論的構成、(2)ICAのウェブデータ分析への応用、(3)機械学習的な手法のカリキュラム分析への応用、の三点について、研究を進めてきました。第一に、今後の研究計画において重要な、ICAの頑健な推定関数の理論的な構成に成功しました。その結果、高次統計量を適応的に推定しながら、全体のモデル推定を行うことができるようになりました。第二に、ICAのウェブデータ分析への応用に関しては、二次元マップ上のGPS情報を利用したSNSであるFoursquareのログを収集し、そこから適切なハイパーパラメータを推定し、ユーザの時空間分布を導出しました。更に、ICAを用いて、分布の規則的及び不規則的な特徴パターンを抽出することに成功しました。第三に、カリキュラム分析については、機械学習手法であるLDAを改良して、シラバスのトピックを教師例として取り込み、トピック分類を適切に行うことが可能なシステムを構築しました。そして、様々な大学の情報系学科のカリキュラムを比較し、有用な知見を得ることができました。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
実データに関する応用研究を進めつつ、ICAの頑健な推定関数の理論的な構成に成功しました。今後は、この推定関数の最適化を実装し、検証実験を行いながら、当初の目的である少数の観測データにも適用可能な独立成分分析手法の確立を目指します。
|
| Strategy for Future Research Activity |
理論的に導出された推定関数の最適化の実装と検証実験をすすめ、実データにおける有効性を調査し、必要に応じて理論を適宜見直しながら、研究を推進していく予定です。
|
| Causes of Carryover |
理論的な基盤を固めるのに研究時間を割き、学会発表を控えたためです。
|
| Expenditure Plan for Carryover Budget |
より積極的に国内外の学会に参加するため、主に旅費として利用する予定です。
|
