研究課題
基盤研究(C)
時間の経過とともに計測されたデータを関数化処理し、得られた関数化データ集合を対象とした分析方法関数データ解析とよばれている。経時測定データに対して関数データ解析を適用することで、観測時点や観測時点数が個体ごとに異なっていても容易に分析できるという利点がある。本研究では、関数データに基づく統計モデルの発展や、新たな推定方法の提案を行うことで、既存手法では発見が困難であった、データに内在する構造を明らかにし、より解釈の容易な統計モデルを獲得することを目指す。
１つの観測個体が時間等の経過に伴い繰り返して計測されたデータに対するモデリングについての研究を進めた。本年度は、関数データに基づく回帰モデルだけでなく、関数データの分類や、空間上で観測されたデータに対する分析方法についても検討した。施設園芸栽培により生育されたトマトの収穫量と環境要因との関係を関数回帰モデルを用いて表現し、観測データに基づいてその関係性を明らかにする方法について検討した。データを分析することで、どの季節において、何日前の環境要因がその日の収穫量と関連しているかについて考察した。得られた結果について、論文として投稿した。説明変数が関数データとして与えられた関数回帰モデルの推定において、説明変数のどの時点で目的変数と関連するかを明らかにする方法はドメイン選択とよばれる。本研究では、説明変数が複数与えられた関数線形モデルに対してスパース推定を用いてドメイン選択を行う方法を導出した。また、多変量関数データの分類に部分空間法を適用した方法についても検討を行った。加えて、近年機械学習の分野で確認されている二重降下現象が関数回帰モデルにおいても確認できるかを検証しており、その性質について検討中である。さらに、空間上で得られた関数データから、未観測地点の関数を予測する関数クリギングとよばれる方法において、パラメータをスパース推定する方法を検討している。以上の内容を論文として執筆しており、一部は論文誌へ投稿中である。関数データ解析以外の研究として、半教師あり学習において、２群のデータのうち一方の群が偏って観測された際に、より精度よく分類を行うための方法を提案した。当該研究を論文化したものは、論文誌に採択された。
2: おおむね順調に進展している
本年度は、これまでに行ってきた研究を論文としてまとめ、うちいくつかは投稿することができた。加えて、新たな研究として二重降下現象の検証や空間データ分析についての検討などを進めることができ、論文として執筆を進めているところである。また、半教師あり学習に関する研究は論文として採択された。一部研究はまだ論文として投稿できていないものもあるが、研究については順調に進んでいると考える。
現在進めている関数線形モデルに対するドメイン選択や二重降下現象の検証、空間関数データ分析に対するスパース推定による分析を進め、論文としてまとめた上で投稿する。また、現在投稿中の論文についても修正などを行い、採択をめざす。
すべて 2023 2022 2021 2020 2019 その他
すべて 雑誌論文 (7件) (うち査読あり 7件、 オープンアクセス 5件) 学会発表 (24件) (うち国際学会 7件、 招待講演 5件) 図書 (5件) 備考 (2件)
Neural Computation
巻: - 号: 5 ページ: 1-18
10.1162/neco_a_01580
Bulletin of informatics and cybernetics
巻: 53 号: 1 ページ: 1-19
10.5109/4151124
120006952128
ＣＢＩジャーナル
巻: 20 号: 0 ページ: 58-61
10.1273/cbij.20.58
130007921242
NAR Genomics and Bioinformatics
巻: 2 号: 3 ページ: 1-14
10.1093/nargab/lqaa067
120007037378
Japanese Journal of Statistics and Data Science
巻: - 号: 2 ページ: 453-467
10.1007/s42081-019-00055-x
210000179793
Econometrics and Statistics
巻: 印刷中 ページ: 125-136
10.1016/j.ecosta.2018.12.003
統計数理
巻: 67 ページ: 1784-1797
https://sites.google.com/site/hidetoshimatsui/home
https://sites.google.com/site/hidetoshimatsuien/
