| 研究成果の概要 |
本研究では, 研究A)擬似ベイズ法に着目したベイズ法における計算コストの削減, 研究B)高次元カウントデータのもつ疎性に着目した分布予測手法の構築,を行った.
研究Aでは, 簡便な尤度を利用するベイズ法である擬似ベイズ事後分布の高次元状況下での性質を調べた. 分布予測では現在はベイズ的な方法が主流であるが,擬似ベイズ法を利用することで計算コストを抑えつつ性能を劣化させない分布予測が行えることが明らかになった.
研究Bでは,疎性をもつ高次元カウントデータに対して高精度かつ計算コストが低い分布予測手法の構築を行った.疎性に着目することで高精度と低計算コストが両立可能であることが明らかになった.
|
| 研究成果の学術的意義や社会的意義 |
予測とは,現在の観測量をもとに予測したい量(予測量)の振る舞いを推測することで
ある.地震予測,交通予測,遺伝子機能予測等,様々な予測が社会で活用されている.統計的な予測手法には,予測量の平均を推定する点予測と予測量の従う分布を推定する分布予測がある.予測量の従う分布が分かれば,検定や予測区間の構成ができるため,分布予測がより重要である.
転移学習とは,ある領域での観測量を利用して別の領域にある予測量を予測することである.転移学習は統計学と機械学習で近年注目されており,例えば、深層学習の精度向上に利用されている.転移学習の理論的性質が分かると,既存の学習手法の精度は飛躍的に向上するため重要である.
|
