| 研究課題/領域番号 |
18K18001
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分60010:情報学基礎論関連
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
末廣 大貴 九州大学, システム情報科学研究院, 助教 (20786967)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2019年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 局所パターン / 機械学習 / 汎化性能保証 / shapelet / マルチインスタンス学習 / 汎化性能 / Shapelet / 時系列分類 / 統計的学習理論 / 局所特徴 / 時系列分析 / 画像認識 |
|---|
| 研究成果の概要 |
本研究の主な成果を以下に記す．
(1)局所パターン学習の枠組みを，マルチインスタンス学習と呼ばれる問題の一つとして一般定式化した．(2)局所パターンを用いた分類仮説クラスの汎化性能を理論的に示した．本理論を時系列分類問題における局所パターン学習（時系列解析分野ではShapelet 学習と呼ばれる）に適用し，Shapeletと呼ばれる局所パターンを用いた仮説クラスの汎化性能を，世界で初めて示した．(3)導出した学習問題を効率的に解くアルゴリズムを提案した．(4)時系列分類を含む様々なタスクに本手法を適用し，有効性を示した．
|
| 研究成果の学術的意義や社会的意義 |
本研究は，時系列分類問題におけるShapelet学習のような，局所パターン学習問題と，マルチインスタンス学習問題の関連性を世界で初めて示した．従来各ドメインで独立に発展してきた様々な局所パターン学習問題に対し，統一的な定式化，汎化性能保証，解法を与えたことは，機械学習分野に大きな貢献を与えたと言える．また，本研究の骨子となった「マルチインスタンス学習の枠組みに基づく学習問題の一般化」は，局所パターン学習問題に限らない，様々な学習問題に幅広く展開可能であり，新たな研究分野の開拓に期待できる．
|
