| 研究課題/領域番号 |
18K11208
|
|---|
| 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60030:統計科学関連
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
柳本 武美 統計数理研究所, －, 名誉教授 (40000195)
|
|---|
| 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 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | Activation function / LRT statistic / Regression analysis / 母数推定 / Ramp関数 / ベイズモデル / Wasserstein距離 / 1対数尤度比 / 2Ramp関数 / 3Wasserstein距離 / 人の認識 / データの育成 / 活性化関数 / 推定量のリスク |
|---|
| 研究成果の概要 |
深層学習の成功は多様な改良の可能性を示している。本研究では尤度比統計量を基礎にして損失関数・ベイズモデルからの改良を企図した。活性化関数としての softmax, ReLU の選択は有効な母数の推測方法の選択と見なすことができる。その上で、これまで高次元母数モデルの推定技法を適用した。
二点での展開を計った。先ず活性化関数を ramp関数と見なして一般化させる点にある。Ramp関数の理解は分野により異なり、spline関数の分野と機械学習で異なる。更に、分布関数の裾の重さの視点を加えた。別の一点は、損失関数についてである。深層学習は分類問題を多項分布の出現確率の推定に還元させるからである。
|
| 研究成果の学術的意義や社会的意義 |
データサイエンスへの期待が高まる中で、新し手法としての深層学習の実用性が認められた。その適用範囲は従来の統計手法が及ばない領域を広く含んでいる。また、その基本的構造は従来の回帰分析の自然な拡張である。その意味でも多様な研究が求められる研究テーマである。その構造の解明と理解を深める研究が求められている
|
