| 研究課題/領域番号 |
25870503
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
統計科学
知覚情報処理
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
川喜田 雅則 九州大学, システム情報科学研究院, 助教 (90435496)
|
|---|
| 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 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2015年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2014年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2013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 | 半教師付き学習 / MDL原理 / 超解像 / Barron and Cover理論 / スパースコーディング / 最小記述長原理 / 共変量シフト / リスクバウンド / 重み付き尤度法 / lasso / リスク上界 / MDL / 影響関数 / 最有効推定量 / セミパラメトリック理論 |
|---|
| 研究成果の概要 |
本研究の最大の成果はこれまで困難であったBarron and Cover理論の教師付き学習への適用を可能にしたことである．これによって確率変数の有界性や漸近的な仮定を一切必要としないリスク評価を行える可能性が開けた．我々は実際に圧縮センシングの代表的アルゴリズムlassoのこれまでにないリスク評価を得た．さらにこれらの成果について密度比を用いた半教師付き学習及びスパースコーディングの設定に拡張することに成功した．さらにシングルフレーム超解像は実は半教師付き学習とみなせることを指摘し，上記の半教師付きスパースコーディングによって精度が改善されることを示した．
|
