研究課題/領域番号 |
19H04067
|
研究種目 |
基盤研究(B)
|
配分区分 | 補助金 |
応募区分 | 一般 |
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 |
瀧本 英二 九州大学, システム情報科学研究院, 教授 (50236395)
|
研究分担者 |
畑埜 晃平 九州大学, 基幹教育院, 准教授 (60404026)
|
研究期間 (年度) |
2019-04-01 – 2023-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
16,380千円 (直接経費: 12,600千円、間接経費: 3,780千円)
2022年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2021年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2020年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2019年度: 5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円)
|
キーワード | 計算学習理論 / オンライン意思決定 / 情報圧縮 / バンディット問題 / 決定ダイアグラム / 組合せ最適化 / 決定グラフ / ゲーム理論 / オンライン予測 / 行列補完問題 / 学習容易性解析 / センサーネットワーク / 計算量理論 / 負荷分散 / シェイプレット / ZDD / ブースティング / 大規模機械学習 / くずし字認識 / モデリング |
研究開始時の研究の概要 |
機械学習の分野では,優れた理論保証を持つ手法よりも,理論保証の無い/悪い発見的手法の方が,実データに対しては良い性能を示すことが良くある.本研究では,このような理論と実践の乖離現象を,データそのものの学習容易性/複雑性解析を通して解明し,実データに対する学習アルゴリズムの高精度な性能解析技法の開発を目指す.また,学習容易性の解析を通して,データ生成源に関する新しい自然科学的・人文科学的な解釈・知見を与える.
|
研究成果の概要 |
データそのものの容易性を表す指標を導入し,学習アルゴリズムの性能に対して,より精密な理論保証を与えるための理論体系の確立を目指して,種々の問題に取り組み,主に以下の成果を得た.(1) データの圧縮率を容易性指標とし,圧縮率が高いほど高速に動作する学習アルゴリズムや組合せ最適化アルゴリズムの開発を行った.(2) 行列のランクやマージンなどを容易性指標とした,種々のオンライン意思決定アルゴリズムの開発を行った.(3) 広い学習問題のクラスが,特定の学習問題に,汎化性能(すなわちデータの学習容易性)が保存されるという意味で還元可能であることを示した.
|
研究成果の学術的意義や社会的意義 |
圧縮データ上の学習や最適化に関する成果は,圧縮が単にメモリの節約になるだけでなく,計算効率も向上することにつながることを示したという点で意義が高い.また,圧縮データに基づき拡張定式化を自動生成する手法は,極めて汎用性が高く,おそらく世界初のものである.オンライン意思決定に関する成果は,商品推薦システムにおいて,商品間の類似関係と顧客の購買傾向に相関がある場合に,高い確度で,顧客が欲する商品を提示することができることを意味しており,データ容易性に自然で有用な解釈を与えたという意味でも意義が高い.学習問題間の還元に関する成果は,学習容易性還元という新たな概念を生み出し,今後の展開が期待できる.
|