| 研究課題/領域番号 |
16K16024
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
統計科学
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
寺田 吉壱 大阪大学, 基礎工学研究科, 助教 (10738793)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2017年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2016年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | 関数データ解析 / グラフ分割 / クラスタリング / 教師なし学習 / 半教師なし学習 / 機械学習 / Selective inference / 選択的推測 / 漸近理論 / Normalized cut / Spectral clustering / 半教師付き学習 / ネットワークデータ解析 |
|---|
| 研究成果の概要 |
近年，計測技術の発展によって，データの複雑化や大規模化が進んでいる．そして，教師なし学習の重要性が再認識されている．本研究では，ネットワークデータと関数データを主に扱い，教師なし学習に関連する解析法の開発，理論的性質の解明，実社会への応用を行った．具体的には，(1) グラフ分割に基づくクラスタリング法の理論的性質の解明，(2) 関数データに対する半教師付き判別法の提案とその理論的性質の解明及び実社会の問題への応用 (3) 教師なし学習によって得られた結果に対する信頼度の計算法の提案と理論的性質の解明 (4) 関数データの特徴を活かした部分空間クラスタリング法の提案，の4つの研究を行った．
|
| 研究成果の学術的意義や社会的意義 |
本研究では，実社会への応用を想定し，応用上重要な問題に対して，新しい教師なし学習法の開発や理論的性質の解明を行っている．例えば，研究(1)では教師なし分類法において金字塔と呼べる広く用いられているクラスタリング法に関して，これまで明らかとなっていなかった重要な理論的性質を解明している．さらに，本研究では，理論研究にとどまらず，実社会の問題への応用を実際に行っている．実際に，研究(2)ではスポーツ医学の分野において，提案手法を適用することで怪我のリスクのある選手の特定に成功している．
|
