| 研究課題/領域番号 |
25730018
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
統計科学
|
|---|
| 研究機関 | 公立はこだて未来大学 |
|---|
研究代表者 |
竹之内 高志 公立はこだて未来大学, システム情報科学部, 准教授 (50403340)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2017-03-31
|
| 研究課題ステータス |
完了 (2016年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2015年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2014年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2013年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | アンサンブル学習 / 判別分析 / 情報幾何 / 板倉斎藤ダイバージェンス / 拡張擬似モデル / 板倉斉藤ダイバージェンス / 機械学習 |
|---|
| 研究成果の概要 |
多値判別問題は判別器の学習に大きな計算コストが必要となるため，効率的に学習可能な2値判別器を多数組み合わせて統合することで多値判別器を構成するアプローチが取られる. この枠組において，先行して提案されている各種の統合手法を特殊ケースとして含みつつ，より効率的な予測が可能な包括的な枠組みを提案した．
マルチタスク問題に対して, 計算量を抑えたアンサンブル学習手法を提案した. 提案手法は通常用いられるカルバックライブラー擬距離と確率モデルの組み合わせではなく, 板倉斎藤擬距離と拡張擬似モデルを用いた推定に基づいている. 提案法の統計的性質について考察し数値実験によってその有用性を確認した.
|
