| 研究課題/領域番号 |
20500254
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
統計科学
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
下平 英寿 東京工業大学, 大学院・情報理工学研究科, 准教授 (00290867)
|
|---|
| 研究期間 (年度) |
2008 – 2010
|
| 研究課題ステータス |
完了 (2010年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2010年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2009年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2008年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | リサンプリング / マルチスケール / スケーリング則 / 仮説検定 / 信頼度 / 機械学習 / バイオインフォマティクス / モデル選択 / ブートストラップ / アルゴリズム / 統計数学 / 系統進化 / 統計的仮説検定 / ランダムネス |
|---|
| 研究概要 |
データ解析の信頼度を高精度で計算するために,ランダムネスのスケーリング則を利用したリサンプリング・アルゴリズムの研究を行った.先行研究で提案したマルチスケール・ブートストラップ法では頻度論の立場で統計的仮説検定の不偏な信頼度(p-値)を近似計算した.本研究では頻度論だけでなくベイズ法の立場で事後確率の計算を行う方法を提案し両者の関係を明らかにした.さらにランダムネスのスケーリング則を利用して機械学習の信頼度計算および能動学習を行った.
|
