| 研究課題/領域番号 |
19K24340
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1001:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
川島 孝行 東京工業大学, 情報理工学院, 助教 (60846210)
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | 統計モデリング / 非凸性 / 推定アルゴリズム / 実データ解析 / 非凸最適化 / 収束保証 |
|---|
| 研究開始時の研究の概要 |
本研究の目的は，実データの諸問題に対応しようとすると自然と現れる非凸性に基づく統計モデリングを対象とし，そのパラメータ推定のための非凸最適化アルゴリズムに対して，収束保証を与えることである．既存の非凸最適化アルゴリズムの，理論的な適用範囲を拡張を行うだけでなく，統計モデリングの段階でアルゴリズムと親和性の高いモデリングを考えることで，統計モデリングと最適化両者の良さを打ち消すことなくデータ解析を行う統計モデリングを可能にしたい．
|
| 研究成果の概要 |
実データ解析での問題に対処しようとすると、自然と現れる非凸性に基づく統計モデリングを扱った。統計的な性質だけでなく、推定アルゴリズムの効率化も同時に達成する研究を目指した。
i)歪正規分布を対象とした、推定アルゴリズムに関する研究では、従来の推定アルゴリズムとは異なり推定を加速させる慣性項が自然と入る更新式の導出に成功した。結果として、数値実験では、従来の推定アルゴリズムに比べて少ない計算時間で推定を行うことが可能になった。
ii)超過死亡で用いられるFarringtonアルゴリズムに、地理的加重回帰モデルの枠組みを導入することで、少ないデータでも推論を行うことを可能にした。
|
| 研究成果の学術的意義や社会的意義 |
歪正規分布はそのモデリングの柔軟性から広い分野ですでに使われており、今回の研究により短時間での推定が可能になったため、より大規模なデータにも適用可能である。
超過死亡推定のために用いられているFarringtonアルゴリズムを少ないデータでも推定できるように拡張を行ったことで、データを大量に習得ができない状況や、対象の事象が初期の段階でも、本アルゴリズムを適用することで推定が可能になった。
|
