研究課題/領域番号 |
21K18589
|
研究種目 |
挑戦的研究(萌芽)
|
配分区分 | 基金 |
審査区分 |
中区分12:解析学、応用数学およびその関連分野
|
研究機関 | 統計数理研究所 |
研究代表者 |
鎌谷 研吾 統計数理研究所, モデリング研究系, 准教授 (00569767)
|
研究期間 (年度) |
2021-07-09 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
キーワード | Bayesian Statistics / Scalability / Exact sampling / Differential privacy / Scalable Computing / Bayesian statistics / Monte Carlo method / Stochastic process / Random number generation / モンテカルロ法 / マルコフ過程 / ベイズ統計学 / スケーラブル / ビッグデータ |
研究開始時の研究の概要 |
ベイズ統計学においても,データサイズに関して頑健なアルゴリズムが注目を集めている.そうしたアルゴリズムは,正確で時間のかかる手法に取って代わり,いまでは基本的なアルゴリズムとみなされている.しかし,スケーラブルの実現のために,ベイズ統計学の特徴であった明瞭な意味を失ってしまう. この数年に,従来の常識を覆す,明瞭な意味を保ついくつかの手法が提案されてきた.いずれも確率過程を用いた手法だ.確率過程の生成には技術的な困難がともなう. 本研究では技術的困難の解消の糸口を探りたい.また,そうした試みを通じて統計計算の発展に寄与したい.
|
研究実績の概要 |
本研究の主な目的は、ベイズ統計学の領域においてスケーラブルな計算手法を開発することである。スケーラブルな計算手法は、入力データの増加に伴う計算負荷の急増を抑えることを可能にする。ベイズ統計学は統一的な理論体系を持つ利点があるものの、そうした利点は却って手法を制限してしまうので、スケーラブルな手法を組み込むことは容易ではない。わずかな解析手順の変更でも、ベイズ統計学の枠組みを崩すおそれがある。 近年、ベイズ統計学の枠組みにスムーズに統合できるいくつかのスケーラブルな計算手法が提案されてきた。しかし、確率過程を用いるこれらの手法には重要な欠点が存在する。確率過程の生成は比較的複雑で実装が困難であることである。本研究ではこの課題に取り組む。探索的な研究アプローチを通じて、解決策の初期段階を育て、将来の進展に貢献することを目指している。 令和三年度は、さまざまな既存の手法を詳細に調査し、スケーラブルな手法の体系化をこころみた。令和四年度は、とくに区分確定的マルコフ過程のオイラー・丸山型の近似の新しい技法の探索に焦点を当てた。 令和四年度の後半は、パンデミックに関連する行動制限が緩和されたため、マルセイユで開催されたワークショップに参加し、有益な研究交流をおこなう機会に恵まれた。このイベントでは、ベイズ計算の研究者の間で差分プライバシーの研究が著しく進展していることを知ることできた。当該プロジェクトにおける区分確定的マルコフ過程の離散化手法の応用を解析する契機となった。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
初年度ではコロナ禍でも多少の国内出張の可能性を見込んでいたが、実際にはコロナウィルス感染症の影響が極めて強い状況が続き、実施可能な状況ではなかった。二年度目も、パンデミックの影響は軽減されたが、本事業を始めとする繰越研究に圧迫され当初の予定通りとはいなかった。令和五年度での巻き返しを目指す。
|
今後の研究の推進方策 |
令和五年度はパンデミックによる行動制限はなく、旧来型の国際交流が可能になる。積極的に情報発信、情報共有をおこない、いままでの遅れを令和五年度で巻き返すことを目指す。
|