• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

離散凸解析に基づく機械学習アルゴリズム体系の構築とその応用

研究課題

研究課題/領域番号 26280086
研究種目

基盤研究(B)

配分区分一部基金
応募区分一般
研究分野 知能情報学
研究機関大阪大学

研究代表者

河原 吉伸  大阪大学, 産業科学研究所, 准教授 (00514796)

研究分担者 永野 清仁  群馬大学, 社会情報学部, 准教授 (20515176)
岩田 具治  日本電信電話株式会社NTTコミュニケーション科学基礎研究所, 上田特別研究室, 主任研究員 (70396159)
連携研究者 平井 広志  東京大学, 大学院情報理工学系研究科, 准教授 (20378962)
兼村 厚範  産業技術総合研究所, 情報数理研究グループ, 研究員 (50580297)
石畠 正和  日本電信電話株式会社, NTTコミュニケーション科学研究所, 研究員 (80726563)
竹内 孝  日本電信電話株式会社, NTTコミュニケーション科学研究所, 研究員 (30726568)
研究期間 (年度) 2014-04-01 – 2018-03-31
研究課題ステータス 完了 (2017年度)
配分額 *注記
15,990千円 (直接経費: 12,300千円、間接経費: 3,690千円)
2017年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2016年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2015年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2014年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
キーワード機械学習 / 組合せ最適化 / 最適化
研究成果の概要

多くの機械学習における問題では,問題構造を有効に利用することで組合せ最適化等で扱われる構造依存な計算体系に帰着することが可能になり,飛躍的に高速・正確な計算が可能となることが期待できる.更にこのようなアプローチをとることにより,データやタスクが持つ構造的な事前情報の利用が可能となるため,解釈性のある結果/モデル獲得へつながる.このような考えの下,本研究では,離散凸性(特に劣モジュラ性)に関連する組合せ論的方法を利用した機械学習のための基礎理論・アルゴリズム開発を行った.また,これらを複数ドメインにおいて適用・検証し,応用的知見獲得や有用性実証までを含めた研究を進めた.

報告書

(5件)
  • 2017 実績報告書   研究成果報告書 ( PDF )
  • 2016 実績報告書
  • 2015 実績報告書
  • 2014 実績報告書
  • 研究成果

    (27件)

すべて 2017 2016 2015 2014 その他

すべて 国際共同研究 (3件) 雑誌論文 (10件) (うち国際共著 2件、 査読あり 10件、 オープンアクセス 6件、 謝辞記載あり 4件) 学会発表 (12件) (うち国際学会 2件、 招待講演 9件) 図書 (1件) 産業財産権 (1件)

  • [国際共同研究] 南洋理工大学(シンガポール)

    • 関連する報告書
      2016 実績報告書
  • [国際共同研究] 北京大学/マイクロソフトリサーチアジア(中国)

    • 関連する報告書
      2016 実績報告書
  • [国際共同研究] ワシントン大学(米国)

    • 関連する報告書
      2015 実績報告書
  • [雑誌論文] Structurally regularized non-negative tensor factorization for spatio-temporal pattern discoveries,"2017

    • 著者名/発表者名
      Koh Takeuchi, Yoshinobu Kawahara, and Tomoharu Iwata
    • 雑誌名

      ECML PKDD 2017: Machine Learning and Knowledge Discovery in Databases

      巻: -- ページ: 582-598

    • DOI

      10.1007/978-3-319-71249-9_35

    • ISBN
      9783319712482, 9783319712499
    • 関連する報告書
      2017 実績報告書
    • 査読あり
  • [雑誌論文] Sparse Nonnegative Dynamic Mode Decomposition2017

    • 著者名/発表者名
      Noya Takeishi, Yoshinobu Kawahara, and Takehisa Yairi
    • 雑誌名

      Proceedings of the 2017 IEEE International Conference on Image Processing (ICIP)

      巻: -- ページ: 2682-2686

    • DOI

      10.1109/icip.2017.8296769

    • 関連する報告書
      2017 実績報告書
    • 査読あり
  • [雑誌論文] Representative selection with structured sparsity2017

    • 著者名/発表者名
      H. Wang, Y. Kawahara, C. Weng, and J. Yuan
    • 雑誌名

      Pattern Recognition

      巻: 63 ページ: 268-278

    • DOI

      10.1016/j.patcog.2016.10.014

    • NAID

      40020236977

    • 関連する報告書
      2016 実績報告書
    • 査読あり / 国際共著 / 謝辞記載あり
  • [雑誌論文] Efficient generalized fused Lasso and its applications2016

    • 著者名/発表者名
      B. Xin, Y. Kawahara, Y. Wang, L. Hu, and W. Gao
    • 雑誌名

      ACM Transactions on Intelligent Systems and Technology

      巻: 7 号: 4 ページ: 1-22

    • DOI

      10.1145/2847421

    • 関連する報告書
      2016 実績報告書
    • 査読あり / オープンアクセス / 国際共著 / 謝辞記載あり
  • [雑誌論文] Toxicogenomic prediction with graph-based structured regularization on transcription factor network2016

    • 著者名/発表者名
      K. Nagata, Y. Kawahara, T. Washio, and A. Unami
    • 雑誌名

      Fundamental Toxicological Sciences

      巻: 3 号: 2 ページ: 39-46

    • DOI

      10.2131/fts.3.39

    • NAID

      130005129243

    • ISSN
      2189-115X
    • 関連する報告書
      2015 実績報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Higher Order Fused Regularization for Supervised Learning with Grouped Parameters2015

    • 著者名/発表者名
      K. Takeuchi, Y. Kawahara, and T. Iwata
    • 雑誌名

      Proc. of the 2015 European Conf. on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML-PKDD'15)

      巻: -- ページ: 577-593

    • 関連する報告書
      2015 実績報告書
    • 査読あり / 謝辞記載あり
  • [雑誌論文] Toxicogenomic prediction with group sparse regularization based on transcription factor network information2015

    • 著者名/発表者名
      K. Nagata, Y. Kawahara, T. Washio, and A. Unami
    • 雑誌名

      Fundamental Toxicological Sciences

      巻: 2 号: 4 ページ: 161-170

    • DOI

      10.2131/fts.2.161

    • NAID

      130005100439

    • ISSN
      2189-115X
    • 関連する報告書
      2015 実績報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] On approximate non-submodular minimization via tree-structured supermodularity2015

    • 著者名/発表者名
      Y. Kawahara, R. Iyer and J.A. Bilmes
    • 雑誌名

      Proc. of the 18th Int'l Conf. on Artificial Intelligence and Statistics (AISTATS'15)

      巻: -- ページ: 444-452

    • 関連する報告書
      2014 実績報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Efficient Generalized Fused Lasso with Application to the Diagnosis of Alzheimer’s Disease2014

    • 著者名/発表者名
      B. Xin, Y. Kawahara, Y. Wang and W. Gao
    • 雑誌名

      Proc. of the 28th AAAI Conf. on Artificial Intelligence (AAAI’14)

      巻: -- ページ: 2163-2169

    • 関連する報告書
      2014 実績報告書
    • 査読あり / オープンアクセス / 謝辞記載あり
  • [雑誌論文] Multi-task feature selection with multiple networks via maximum flows2014

    • 著者名/発表者名
      M. Sugiyama, C. Azencott, G. Dominik, Y. Kawahara and K. Borgwardt
    • 雑誌名

      Proc. of the 2014 SIAM Conf. on Data Mining (SDM'14)

      巻: -- ページ: 199-207

    • 関連する報告書
      2014 実績報告書
    • 査読あり / オープンアクセス
  • [学会発表] 遺伝子工学的に開発した蛍光プローブによる細胞生理機能超解像イメージング2017

    • 著者名/発表者名
      和沢鉄一, 新井由之, 河原吉伸, 中野雅裕, 松田知己, 鷲尾隆, 永井健治
    • 学会等名
      第31回人工知能学会全国大会
    • 関連する報告書
      2017 実績報告書
  • [学会発表] 劣モジュラ性を用いた機械学習:適応的劣モジュラ性を中心として2017

    • 著者名/発表者名
      河原吉伸
    • 学会等名
      計測制御自動学会SI部門ロボットマニピュレーションに関する技術調査研究会主催定例講演会
    • 発表場所
      大阪
    • 関連する報告書
      2016 実績報告書
    • 招待講演
  • [学会発表] Parametric Submodular Minimization in Machine Learning2016

    • 著者名/発表者名
      Y. Kawahara
    • 学会等名
      Probabilistic Graphical Model Workshop: Sparsity, Structure and High-dimensionality
    • 発表場所
      The Institute of Statistical Mathematics
    • 年月日
      2016-03-23
    • 関連する報告書
      2015 実績報告書
    • 国際学会 / 招待講演
  • [学会発表] 潜在グループ正則化学習におけるグループ構造の自動発見2016

    • 著者名/発表者名
      宮澤桂, 河原吉伸, 鷲尾隆
    • 学会等名
      第30回人工知能学会全国大会
    • 発表場所
      小倉
    • 関連する報告書
      2016 実績報告書
  • [学会発表] 劣モジュラ最適化に基づく特徴選択と構造正則化入門2015

    • 著者名/発表者名
      河原吉伸
    • 学会等名
      第4回IBISMLチュートリアル
    • 発表場所
      つくば国際会議場
    • 年月日
      2015-11-28
    • 関連する報告書
      2015 実績報告書
    • 招待講演
  • [学会発表] 劣モジュラ関数による構造と学習の橋渡し:構造正則化,確率的劣モジュラ2015

    • 著者名/発表者名
      河原吉伸
    • 学会等名
      第18回情報論的学習理論ワークショップ(IBIS'15)
    • 発表場所
      つくば国際会議場
    • 年月日
      2015-11-25
    • 関連する報告書
      2015 実績報告書
    • 招待講演
  • [学会発表] 構造的スパース性を用いた機械学習とその最適化2015

    • 著者名/発表者名
      河原吉伸
    • 学会等名
      日本学術会議シンポジウム「by 機械学習 of 機械学習」
    • 発表場所
      日本学術会議
    • 年月日
      2015-11-24
    • 関連する報告書
      2015 実績報告書
    • 招待講演
  • [学会発表] 劣モジュラ最適化とパターン認識2015

    • 著者名/発表者名
      河原吉伸
    • 学会等名
      パターン認識・メディア理解研究会(PRMU)
    • 発表場所
      信州大学工学部
    • 年月日
      2015-11-21
    • 関連する報告書
      2015 実績報告書
    • 招待講演
  • [学会発表] Learning with Structured Sparsity and Its Efficient Optimization2015

    • 著者名/発表者名
      Y. Kawahara
    • 学会等名
      The 16th RIES-HOKUDAI International Symposium
    • 発表場所
      Chateraise Gateaux Kingdom Sapporo
    • 年月日
      2015-11-10
    • 関連する報告書
      2015 実績報告書
    • 国際学会 / 招待講演
  • [学会発表] 機械学習における劣モジュラ最適化と疎性モデリングへの応用2015

    • 著者名/発表者名
      河原吉伸
    • 学会等名
      第59回システム制御情報学会研究発表講演会
    • 発表場所
      大阪
    • 年月日
      2015-05-21
    • 関連する報告書
      2014 実績報告書
    • 招待講演
  • [学会発表] 機械学習における劣モジュラ最適化と疎性モデリングへの応用2015

    • 著者名/発表者名
      河原吉伸
    • 学会等名
      第59回システム制御情報学会研究発表講演会(SCI’15)
    • 発表場所
      中央電気倶楽部
    • 年月日
      2015-05-20
    • 関連する報告書
      2015 実績報告書
    • 招待講演
  • [学会発表] 構造正則化学習を用いた混雑シーンにおける異常検知2014

    • 著者名/発表者名
      掃部健,河原吉伸,鷲尾隆
    • 学会等名
      第28回人工知能学会全国大会
    • 発表場所
      愛媛
    • 年月日
      2014-05-12 – 2014-05-15
    • 関連する報告書
      2014 実績報告書
  • [図書] 劣モジュラ最適化と機械学習2015

    • 著者名/発表者名
      河原吉伸,永野清仁
    • 総ページ数
      192
    • 出版者
      講談社サイエンティフィック
    • 関連する報告書
      2015 実績報告書
  • [産業財産権] 機械学習のための一般化高階結合正則化による解析装置2016

    • 発明者名
      竹内孝,河原吉伸,岩田具治
    • 権利者名
      竹内孝,河原吉伸,岩田具治
    • 産業財産権種類
      特許
    • 出願年月日
      2016-03-30
    • 関連する報告書
      2015 実績報告書

URL: 

公開日: 2014-04-04   更新日: 2022-02-16  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi