研究課題
若手研究(B)
機械学習においてその有用性が知られているイプシロン不感応損失やカーネル関数に基づく歪み尺度に対して、歪み有りデータ圧縮の限界を示すレート歪み関数の評価を与えた。また、データの潜在構造を抽出するためのクラスタリング手法やベイズ推論における事前分布の設計に関し、潜在変数分布の最適化としての解釈を与え、手法の拡張や近似法の開発および解析を行った。データ可視化に基づくデータ解析法のために潜在変数を持つ学習モデルを改良し、実データ解析での性能を調査した。
統計的学習理論
レート歪み関数は歪み有りデータ圧縮の限界を示すため、イプシロン不感応損失やカーネル関数を用いた損失などの有用性が知られている歪み尺度において、圧縮法の性能評価や改良を与える際の基準が得られた。また、クラスタリング手法やベイズ推論における事前分布の設計において得られた拡張や近似法により、既存手法の個々の問題におけるより柔軟な適用や効率的な計算が可能になった。
