ビッグデータの多重スケール性を考慮したオンライン解析の研究
Project/Area Number |
18J22032
|
Research Category |
Grant-in-Aid for JSPS Fellows
|
Allocation Type | Single-year Grants |
Section | 国内 |
Research Field |
Soft computing
|
Research Institution | Keio University |
Principal Investigator |
JEONG KWANGJIN 慶應義塾大学, 理工学研究科, 特別研究員(DC1)
|
Project Period (FY) |
2018-04-25 – 2021-03-31
|
Project Status |
Completed (Fiscal Year 2020)
|
Budget Amount *help |
¥2,200,000 (Direct Cost: ¥2,200,000)
Fiscal Year 2020: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2019: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2018: ¥800,000 (Direct Cost: ¥800,000)
|
Keywords | 適応フィルタ / スパース最適化 / 再生核 / パラメータ自動調整 |
Outline of Annual Research Achievements |
昨年度国際学会誌(IEEE Transactions on Signal Processing)に投稿した論文は査読を通ることができなかった。査読の仮定で指摘された理論的な考察の不備および数値実験の不足を補い、書き直した論文を国内学会誌(IEICE Transactions on Fundamentals of Electronics, Communications and Computer sciences)を投稿し、採録が決まった。理論的考察については、カーネル重みと入力信号の自己相関の間に直接な繋がりが見えないことが問題になっていた。カーネル重みでは入力信号の自己相関を完全に無くすことができず、この二つを直接結びつけることは論理の飛躍を随伴することになっていた。入力の自己相関ではなく、アルゴリズムの収束速度に注目することで、論理的に筋の通った議論ができるようになった。複数の再生核を用いるアルゴリズムの中で、それぞれの再生核における誤差の収束速度を等しくするようなカーネル重みを導出することができる。複数の再生核間の収束速度を揃えることで、全体の誤差を減少させるだけでなく、アルゴリズムの収束速度も速くすることができる。数値実験についても、検証するタスクの種類やデータの数を増やし、検証の信頼度を高めた。特に、推定対象が時間によって変動するような時系列データを用いることで、適応アルゴリズムとしての性能を確かめることができた。
|
Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
Report
(3 results)
Research Products
(2 results)