時間的な変化を伴うデータに対する機械学習手法に関する研究
| Project/Area Number |
14F04730
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 外国 |
|---|
| Research Field |
Intelligent informatics
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
杉山 将 東京大学, 新領域創成科学研究科, 教授 (90334515)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
YGER Florian 東京大学, 新領域創成科学研究科, 外国人特別研究員
|
|---|
| Project Period (FY) |
2014-04-25 – 2015-03-31
|
| Project Status |
Completed (Fiscal Year 2014)
|
| Budget Amount *help |
¥1,200,000 (Direct Cost: ¥1,200,000)
Fiscal Year 2014: ¥1,200,000 (Direct Cost: ¥1,200,000)
|
|---|
| Keywords | 機械学習 / 共分散行列 / 共変量シフト / 主成分分析 / ブレインコンピュータインターフェイス |
|---|
| Outline of Annual Research Achievements |
ブレインコンピュータインターフェイスなどでは，共分散行列を特徴としてパターン認識を行う事が多い．本研究では，共分散行列に関する新しい機械学習技術を二つ開発した．一つ目は，データの生成確率分布が時間とともに変化する共変量シフトの状況における共分散行列の推定法である．重要度とよばれる確率密度関数の比で重みを付けて共分散行列を推定することにより，共変性シフト下でも適切に共分散行列が推定できるようになった．もう一つは，高次元の共分散行列の次元削減法であり，共分散行列が属する空間がなすリーマン幾何構造を用いることにより，もとの共分散行列の情報を適切に保持したまま，次元数を削減できるようになった．そして，これらの手法の有効性を，計算機シミュレーションやブレインコンピュータインターフェイスのデータを用いた計算機実験によって確認した．
|
| Research Progress Status |
26年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
26年度が最終年度であるため、記入しない。
|
Report
(1 results)
Research Products
(4 results)
