| 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 |
25120012
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
福水 健次 統計数理研究所, 数理・推論研究系, 教授 (60311362)
|
|---|
| 研究分担者 |
鈴木 大慈 東京大学, 大学院情報理工学系研究科, 准教授 (60551372)
西山 悠 電気通信大学, 大学院情報理工学研究科, 助教 (60586395)
|
|---|
| 研究期間 (年度) |
2013-06-28 – 2018-03-31
|
| キーワード | スパースモデリング / セミパラメトリック / ベイズ推論 / 最適化 / アルゴリズム |
|---|
| 研究実績の概要 |
【課題１】「カーネルベイズ推論」に関しては，カーネル法によるStein作用素を利用したノンパラメトリックな適合度検定に関する研究を行い，高速に分布の適合度合と不適合な領域を同定する方法を提案した．この結果をまとめた論文は，機械学習分野の最難関国際会議であるNeural Information Processing SystemsにおいてBest Paper Awardを受賞した．また，シミュレータなどにより生成されたデータを用いた推論問題など，尤度計算が陽にできない場合のパラメータ推定の方法に関して研究を行い，有効は方法を提案した．その成果は機械学習分野のトップ国際会議のひとつ ICML 2018に採択された．
【課題２】「セミパラメトリック状態空間モデル」に関しては，モデルベースのカーネルベイズ則によるスムージング法に関する投稿論文の改訂を行い，審査結果を待っている段階である．また，尤度計算不能な場合の状態空間モデルのカーネルベイズアルゴリズムに関して海外共同研究者とともに研究を進め，論文を準備中である．
【課題３】「セミパラメトリックスパースモデリング」に関しては，特に深層学習や敵対的生成ネットワークモデルとその学習に関して，海外の共同研究者の含めて研究を推進し，NIPS, ICML, AISTATSなど機械学習分野のトップ国際会議に多数の論文を発表した．
【課題４】「スパース・セミパラメトリック表現」に関しては，微分方程式とスパースモデリングを共に用いた状態空間モデルの推定法に関して研究を行い，有効な方法を考案した．論文を準備中である．
|
| 現在までの達成度 (段落) |
29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 |
29年度が最終年度であるため、記入しない。
|
