研究課題
若手研究(A)
多様なセンサーデバイスの発展やストレージの大容量化に伴い，収集したデータから統計的な推論によって有益な知見を引き出すデータ駆動型の解析の重要性が高まっている．本課題では，系列や，より複雑な接続関係を持つ構造であるグラフで表現されたデータから，解釈可能な重要部分構造を発見するための機械学習アルゴリズムの構築を行なってきた．あり得る部分構造は組み合わせ的に存在するが，本研究では不要なパターンの枝刈り規則を最適化理論に基づき構築することで，最適性を失うことなく重要な部分構造が発見できることを示した．
機械学習技術の注目が高まるつれ，その解釈性は大きな社会的関心事となっている．本課題で扱うような系列やグラフは，時系列データや化合物などの科学データで単純な数値テーブルでは表現できないデータの表現方法として広く定着しているものである．そのため，多様化するデータ駆動解析において，本課題で扱ったような問題設定は今後ますます顕在化すると考えられる．一方で，組み合わせ的に爆発する部分構造に対し，最適性を保証しつつ学習する枠組みはほとんど研究がなく，本研究の独自性・意義を示すものである．
すべて 2021 2020 2019 2018 2017
すべて 雑誌論文 (5件) (うち国際共著 1件、 査読あり 5件、 オープンアクセス 3件) 学会発表 (9件) (うち国際学会 4件)
Communications Biology
巻: 4 号: 1 ページ: 362-362
10.1038/s42003-021-01878-9
IEEE Transactions on Knowledge and Data Engineering
巻: - 号: 3 ページ: 1477-1488
10.1109/tkde.2020.2994344
Neural Computation
巻: 31 号: 12 ページ: 2432-2491
10.1162/neco_a_01240
Advanced Robotics
巻: 33 号: 3-4 ページ: 134-152
10.1080/01691864.2019.1571438
Physical Review B
巻: 97 号: 12 ページ: 125124-125124
10.1103/physrevb.97.125124
