| 研究課題/領域番号 |
15H02667
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
情報学基礎理論
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
瀧本 英二 九州大学, システム情報科学研究院, 教授 (50236395)
|
|---|
| 研究分担者 |
畑埜 晃平 九州大学, 基幹教育院, 准教授 (60404026)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2019-03-31
|
| キーワード | 計算学習理論 / オンライン予測 / オンラインアルゴリズム / 組合せ最適化 / ブースティング |
|---|
| 研究成果の概要 |
ランダムサンプリングを活用した様々なオンライン意思決定問題と，派生した様々な学習問題や組合せ最適化問題に対し，高精度・高効率なアルゴリズムの提案を行った．特に，(1) 組合せ集合を決定空間とするメトリカルシステムタスク問題が，決定空間上のランダムサンプリング問題に帰着できることを示し，グラフの道集合など種々の組合せ決定空間に対する高効率・高精度なアルゴリズムを初めて与えることに成功した．(2) 大規模機械学習に対する新しいアプローチとして，訓練データをZDDとして圧縮表現し，その受理経路集合上のオンライン予測手法を用いることにより，ZDD上でブースティングを模倣する効率の良い手法を与えた．
|
| 自由記述の分野 |
計算学習理論
|
| 研究成果の学術的意義や社会的意義 |
メトリカルタスクシステム（MTS）問題は，組合せ集合を決定空間とする場合，効率の良いアルゴリズムの統一的で有用な設計法は知られていなかった．本研究は，この問題に対し，ランダムサンプリングの設計問題に落とし込むという，世界初の統一的・現実的な設計指針を与えたといえる．また，大規模機械学習の問題に対し，従来は，確率的勾配降下法などのランダムサンプリングに基づくアプローチが主流であったが，本研究では，圧縮データ上の機械学習という新しいアプローチを提案している．計算時間とメモリ効率の向上を同時に達成する画期的な手法であるだけでなく，圧縮データ上の最適化という新たな研究の方向性を示唆している．
|
