2015 Fiscal Year Annual Research Report
時系列データの再帰的圧縮過程における最適停止性の研究
Publicly Offered Research
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
26120516
|
|---|
| Research Institution | University of Toyama |
|---|
Principal Investigator |
村山 立人 富山大学, 大学院理工学研究部(工学), 講師 (80360650)
|
|---|
| Project Period (FY) |
2014-04-01 – 2016-03-31
|
| Keywords | データマイニング / ネットワーク / 再帰的圧縮過程 / 最適停止問題 / スピングラス |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、深宇宙探査やゲノム情報処理などのデータマイニング関連分野で、逐次的に記録されている時系列データの縮約手続きに関する革新的原理の提唱とその検証である。特に、本研究では、センサーなどの計測デバイスがネットワークと融合していく計算機科学の技術動向に注目した。そして、この最新の技術動向を念頭に、本研究では計測デバイスの有限の記憶領域に無限に続く時系列を再帰的に圧縮していく理想的な方法を、歪み測度を畳み込んだ効用積分を最小化させる最適停止問題の立場で究明した。単体の計測デバイスに記憶容量を超えた時系列を縮約・格納していく立場では、記憶領域の全域が常時使用されている。そのため、新しいデータが計測されるごとに、記憶領域の空きスペースを圧縮によって毎回確保する必要に迫られる。しかし、この圧縮の前に、過去の時系列を一時的に復号・展開する過程が不可欠で、格納データは再帰的に歪んでいく。この結果、格納データの忠実性は、畳み込み形式の積分で評価される。しかし、この復号・再圧縮の繰り返し操作を、どの程度の再帰深度まで許容すべきかは全く自明ではなく、ここでの最適停止性が実用上も課題となる。本研究では、この新しいタイプの最適停止問題を提唱し、計算機科学的アプローチから多角的に検証した。特に、大規模な数値実験を実施することによって、時系列データの再現性に関する高圧縮領域における非自明な挙動を発見した。この現象の本質部分は、通常の数理最適化の枠組で理論的に説明できることが判明し、意外にもスピングラスと呼ばれる磁性体の物性解析に応用できる可能性が高い。
|
| Research Progress Status |
27年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
27年度が最終年度であるため、記入しない。
|
-
-
[Presentation] Noisy Data Aggregation with Polar Codes2015
Author(s)
Dai Yonebayashi, Peter Davis, Tatsuto Murayama
Organizer
International Meeting on “High-Dimensional Data Driven Science” (HD3-2015)
Place of Presentation
Mielparque Kyoto, Japan
Year and Date
2015-12-16 – 2015-12-16
Int'l Joint Research
-
-
