研究課題/領域番号 |
18K11184
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分60020:数理情報学関連
|
研究機関 | 明治大学 |
研究代表者 |
飯塚 秀明 明治大学, 理工学部, 専任教授 (50532280)
|
研究期間 (年度) |
2018-04-01 – 2021-03-31
|
研究課題ステータス |
完了 (2020年度)
|
配分額 *注記 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
キーワード | 確率的最適化 / 不動点 / アンサンブル学習 / 最適化アルゴリズム |
研究成果の概要 |
疎性と多様性を考慮したアンサンブル学習問題を考察し、その問題が不動点集合上の確率的最適化問題として定式化できることを示した。その問題に対して、確率的不動点最適化アルゴリズムを提案し、定数学習率、減少学習率、直線探索による学習率に対する収束解析を与えた。定数学習率においては、十分小さな学習率を有するアルゴリズムが問題の解を近似することができる。減少学習率においては、問題の解に収束するための条件を与えた。直線探索による学習率においては、アルゴリズムが問題の解に収束することを示した。提案及び既存アンサンブル学習法との数値比較により、提案手法の高分類精度を示すことができた。
|
研究成果の学術的意義や社会的意義 |
疎性や多様性を考慮したアンサンブル学習においては、大規模かつ複雑な確率的最適化問題を解く必要がある。しなしながら、従来のアンサンブル学習法は、その問題の大幅な緩和やその問題の解へ収束する保証がない学習アルゴリズムに基づいており、本来達成すべきアンサンブル学習法の性能を満たしていない。本研究での提案手法は、その問題に直接適用できる不動点最適化アルゴリズムに基づくアンサンブル学習法であり、世界的に例のない新解法である。本研究の成果は、従来アンサンブル学習法の適用範囲に関する改善に多大な貢献ができることから応用数学的観点のみならず、工学的観点から見ても意義があると言える。
|