| 研究課題/領域番号 |
14F04730
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 外国 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
杉山 将 東京大学, 新領域創成科学研究科, 教授 (90334515)
|
|---|
| 研究分担者 |
YGER Florian 東京大学, 新領域創成科学研究科, 外国人特別研究員
|
|---|
| 研究期間 (年度) |
2014-04-25 – 2015-03-31
|
| 研究課題ステータス |
完了 (2014年度)
|
| 配分額 *注記 |
1,200千円 (直接経費: 1,200千円)
2014年度: 1,200千円 (直接経費: 1,200千円)
|
|---|
| キーワード | 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 |
|---|
| 研究実績の概要 |
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．
|
| 現在までの達成度 (段落) |
26年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
26年度が最終年度であるため、記入しない。
|
