| 研究課題/領域番号 |
20K19875
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 国立研究開発法人理化学研究所 |
|---|
研究代表者 |
李 超 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (10869837)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021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)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2020年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | tensor network / Tensor network / Machine learning / time series forecasting / Tensor Learning / complex graph |
|---|
| 研究開始時の研究の概要 |
Tensor decomposition (TD) is becoming a promising tool in various fields. However, how to exploit the inherent graphical structure of the data is not widely explored. To this end, we plan to develop new TD methods based on the Kronecker structure of the large-scale complex graph. In addition, we will generalize the existing theoretical studies such that the new theory can guide us to analyse the performance of the methods. Finally, we will apply the new methods to the task of hydrological data restoration, which is of importance for the subsequent prediction and analysis tasks.
|
| 研究成果の概要 |
高次元の課題解決において、テンソルモデルは様々な分野での活用が進んでいる。しかし、テンソルネットワーク構造探索（TN-SS）やテンソル学習ダイナミクス（TLD）の解析など未解明の問題が多く残されている。TN-SSにおいては、本研究でサンプリングに基づくアルゴリズムによって、最適なテンソルネットワーク構造を獲得することが確認された。さらに、探索空間の理論解析を加えることで、2つの効率的なサンプリングスキームを提案した。時系列予測に向けたTLDの分析では、モデルの記憶機構とテンソル次数の関係を明らかにした。加えて、テンソルによるロングメモリ効果を最大化できる新たな予測手法を提案した。
|
| 研究成果の学術的意義や社会的意義 |
Tensor is a promising framework, which tightly bonds many scientific fields for the human society. The results of the project reveal how the tensor structures impact its behavior in machine learning and practically provides methods to maximize the performance in real-world applications.
|
