| 研究課題/領域番号 |
16K16108
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 統計数理研究所 (2018)
筑波大学 (2016-2017) |
|---|
研究代表者 |
日野 英逸 統計数理研究所, モデリング研究系, 准教授 (10580079)
|
|---|
| 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 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2018年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2017年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2016年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 機械学習 / ノンパラメトリックモデル / スパースモデリング / 応用統計 / ノンパラメトリック / スパース |
|---|
| 研究成果の概要 |
研究期間を通して，ノンパラメトリック手法とそれを支える要素技術として確率分布の混合，一般化線形モデルに基づくデータの潜在次元の推定，スパースモデリングとそれを支える技術としては二重スパース性という概念を用いた画像超解像技術，潜在グラフ構造の推定などを開発した．本研究課題において重要である要素技術の応用においては，スロースリップ地震の解析，マグマテクトニクス場の分類といった当初の予定通りの地球科学分野の研究者との連携による成果に加え，X線分光顕微鏡計測の高速化，電気生理学的実験による神経細胞の結合推定など，様々な分野の研究者と連携しつつ各領域における重要な問題の解決に取り組み成果を上げた．
|
| 研究成果の学術的意義や社会的意義 |
古典的なデータ解析・統計手法が開発された時点とは質・量ともに異なるデータを扱うための新たなデータ解析手法の開発は，工学にとっても科学にとっても喫緊の課題である．データに特定の分布を仮定しないノンパラメトリックモデルは計算・メモリコストが高い．大規模高次元データに適用可能な疎表現アプローチはモデルとして柔軟さに欠ける．本研究課題では，ノンパラメトリックモデルとスパースモデルの融合を目指し，ノンパラメトリック手法，スパースモデリング手法それぞれで新たな手法を開発し，地球科学，材料科学，情報科学の諸問題に適用して学術的知見の発見，計測技測度の向上を実現した．
|
