2016 Fiscal Year Annual Research Report
心理学へのデータ駆動型アプローチとスパースモデリングを用いた自閉性症状の構造推定
Publicly Offered Research
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
16H01555
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
市川 寛子 東京理科大学, 理工学部教養, 講師 (60540367)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | スパースモデリング / 全状態探索 / 分散分析 |
|---|
| Outline of Annual Research Achievements |
平成29年度は課題1として，スパースモデリングを用いた変数選択手法を深化させた。データ数に比して説明変数の候補が多い場合，特に識別問題では，既存の変数選択手法では必ずしも最適な解を導かないことがある。そこでサポートベクタマシンを識別器として，変数の全組み合わせを探索する全状態探索を行った。その結果，複数の最適解が得られること，さらに最適解には，ごく少数の変数が共通して含まれていることが分かった。今後は，生成モデルを仮想的に計測し，得られたデータを解析することによって，解析手法によって抽出できる情報がどのようなものかを確認していく。これらの研究成果は，人工知能学会等で発表した。
さらに心理統計とスパースモデリングの間をつなぐことを目的として，既存の高次元小サンプルデータに分散分析を適用した。このプロジェクトは領域内の計画班，公募班との共同研究として，領域内の融合に貢献する研究ともなった。
分散分析を行うメリットは，計測データに対して，説明変数が単独で与える効果（主効果）と複数の説明変数同士が互いに影響しあう効果（交互作用）を明らかにできることである。既存の解析では主効果に言及されていたが，分散分析を適用することによって交互作用の視点から新たなデータ解釈を引き出すことができた。この成果はSfN2016にて発表した。さらに，心理学におけるスパースモデリングの活用例を含めたレビューを電子情報通信学会誌に公刊した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
課題1に設定していた，全状態探索法の深化と分散分析の適用を行い，成果を国内外の学会で発表できた。発表によってさらに検討すべき課題を得，これを解決しつつある。一連の成果は論文としてまとめ，公刊する予定である。さらに課題1は，本新学術領域内の計画班，公募班との共同研究として，領域内の融合に貢献している。
課題1の進捗があったため，課題2,3についても解析をすでに始動することができた。次年度には研究発表できる見通しがすでに立っている。
|
| Strategy for Future Research Activity |
当初の予定通り課題2,3をまとめ，早い段階で研究発表を行う予定である。課題1はさらに展開し，本新学術領域内の計画班，公募班との共同研究として，領域内の融合に貢献する研究ともなっている。
|
-
-
-
-
-
[Presentation] Multiplex representation of information in face responsive neurons of monkey area TE2016
Author(s)
Ichikawa, H., Igarashi, Y., Masutani, Y., Kawano, K., Okada, M., Sugase-Miyamoto, Y.
Organizer
Neuroscience 2016
Place of Presentation
サンディエゴ（アメリカ）
Year and Date
2016-11-15 – 2016-11-15
Int'l Joint Research
-
-
