研究課題
若手研究(B)
混合モデルはクラスタリングや確率密度推定に用いられる学習モデルである。既存の凸クラスタリング法やカーネルベクトル量子化を含む統一的な学習法を導出し、歪み有りデータ圧縮の限界を示すレート歪み関数を求める最適化問題と捉えられることを示した。これまで評価が与えられてこなかった複雑な歪み尺度に対するレート歪み関数に対する評価を与えた。また、最小の符号長からの損失分で測られる逐次予測の精度について、混合モデルにより最適解を効率良く近似する手法を与えた。
すべて 2015 2014 2013 2012 2011 その他
すべて 雑誌論文 (8件) (うち査読あり 8件、 オープンアクセス 3件、 謝辞記載あり 4件) 学会発表 (26件) (うち招待講演 4件) 備考 (3件)
Machine Learning
巻: 99(1) 号: 1 ページ: 119-136
10.1007/s10994-014-5467-7
IEEE Transactions on Neural Networks and Learning Systems
巻: 26(5) 号: 5 ページ: 1109-1114
10.1109/tnnls.2014.2328576
巻: to be assigned 号: 9 ページ: 2176-2181
10.1109/tnnls.2014.2362012
Journal of Machine Learning Research
巻: to be assigned
Neurocomputing
巻: to be assigned ページ: 32-37
10.1016/j.neucom.2015.01.081
巻: 86 号: 2 ページ: 273-293
10.1007/s10994-011-5264-5
Neural Networks
巻: 24(10) 号: 10 ページ: 1102-1109
10.1016/j.neunet.2011.06.004
IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences
巻: E94-A 号: 12 ページ: 2879-2885
10.1587/transfun.E94.A.2879
10030534322
http://www.lisl.cs.tut.ac.jp/wkazuho/index.html
http://hawaii.naist.jp/~wkazuho/index-j.html
http://hawaii.naist.jp/~wkazuho/list-e.html