| 研究領域 | スパースモデリングの深化と高次元データ駆動科学の創成 |
|---|
| 研究課題/領域番号 |
26120526
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
複合領域
|
|---|
| 研究機関 | 長崎大学 |
|---|
研究代表者 |
酒井 智弥 長崎大学, 工学研究科, 准教授 (30345003)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2016-03-31
|
| 研究課題ステータス |
完了 (2015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: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2014年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 信号処理 / ニューラルネットワーク / パターン認識 / 逆問題 |
|---|
| 研究実績の概要 |
前年度に設計した超高次元非線形写像の効率的な機械学習「圧縮ELM」の性能に関する考察を踏まえて、今年度は入出力データの数値的なスパースモデリングおよびアンサンブル学習による非線形写像の学習の効率と汎化性の向上に取り組んだ。数値的なスパースモデリングは、大量のデータを基底学習することで達成され、フーリエやウェーブレットのような解析的な基底でスパース表現できるとは限らないデータに対してもスパース再構成を可能にする。本研究では、計算量が現実的ではない超高次元データの基底学習を避けるため、低次元化したデータの基底学習を通して超高次元データを再構成する方法を設計した。また、アンサンブル学習を実現するため、圧縮ELMで構築した複数の弱予測器の出力を組み合わせて高次元出力のスパース再構成を改善する統合法について検討した。これらの成果および電磁波逆散乱問題への応用における性能評価を研究会・シンポジウム等で発表した。また、スパースモデリングに関する招待講演等を通してアウトリーチ活動に努めた。
|
| 現在までの達成度 (段落) |
27年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
27年度が最終年度であるため、記入しない。
|
