| Project/Area Number |
13J09586
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Intelligent informatics
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
松島 慎 東京大学, 大学院情報理工学系研究科, 助教
|
|---|
| Project Period (FY) |
2013
|
| Project Status |
Completed (Fiscal Year 2013)
|
| Budget Amount *help |
¥1,200,000 (Direct Cost: ¥1,200,000)
Fiscal Year 2013: ¥1,200,000 (Direct Cost: ¥1,200,000)
|
|---|
| Keywords | ビッグデータ / 機械学習 / 最適化法 / 並列計算 |
|---|
| Research Abstract |
本研究課題は、機械学習手法の大規模化のためにはボトルネックである最適化法のデータ処理能力を解消していくことであり。そのために申請者はビッグデータに対し適用可能な最適化法の構築を目的として掲げ、達成のために次の3つの項目に関する研究を行うものである。
①SSDを用いた単一マシンにおけるDual Cached Loopsのさらなる大規模化
②分散計算機環境を利用したDual Cached Loopsの拡張によるビッグデータ学習
③他の機械学習手法に対する最適化スキームの提案
25年度においては、それぞれ、以下のように研究を遂行する計画であった。
①アーキテクチャの構成を検討しスキームの実装を行う。さらに重要なデータの階層構造に応じた規準についても検討を行う。
②分散最適化問題の再定式化の理論的な解析を行い、非同期プロセスをより効率的に行うことができる形の定式化の可能性を探る。
③一般的な二値分類の問題、およびNMFにおける適切なアーキテクチャの構成を検討し、実装を行い網羅的な計算機実験を行う。
25年度に実施した研究の成果において、
②分散最適化問題の再定式化の理論的な解析を行い、非同期プロセスをより効率的に行うことができる形の定式化を得、実装かつ網羅的な実験まで行う事ができた。
③一般的な二値分類の問題、および回帰問題において実装を行い網羅的な計算機実験を行うことができた。
|
| Strategy for Future Research Activity |
(抄録なし)
|
