研究課題
機械学習・データマイニングは現在高い注目を集めている領域であり，その中では大規模な最適化問題（連続と離散の両方）を解く必要が生じている．本研究では機械学習問題に適用可能な汎用的最適化技術を離散凸解析の枠組みに基づいて確立することを目的としていた．１年目では「離散近接勾配法」が見込みのある方法だと考えてその性質を調査したが理論的に困難であるとの結論に至った．２年目はこの手法に限定せずより広い視野のもとで機械学習に適用可能なアルゴリズムを模索した．３年目である本年は，２年目に得られた成果を発展させ，より幅広い問題に対して適用可能なアルゴリズムの駆逐を目指した．その結果として，昨年度執筆中であった「主成分分析などの部分空間選択問題に対する劣モジュラ理論に基づく近似アルゴリズム」は無事論文採択され，この研究の後続研究が順調に進んでいる．また，昨年度副次的に得られた「不確実性を含む離散最適化問題に対する効果的クエリ戦略の導出」を劣モジュラ目的関数に拡張した研究を行い，２本が現在査読中，１本が執筆中という状況である．このように，本研究は，当初の計画とは異なる形ではあるものの，目的通り汎用的な離散最適化技術の枠組みを提案することに成功したといえる．
すべて 2019 その他
すべて 国際共同研究 (2件) 雑誌論文 (3件) (うち国際共著 1件、 査読あり 3件)
Mathematical Programming
巻: online first ページ: 1-34
https://doi.org/10.1007/s10107-019-01388-x
Proceedings of the 6th International Conference on Control, Decision and Information Technologies (CoDIT'19), Paris, France, April 23-25, 2019
巻: CoDIT'19 ページ: na
Proceedings of the 33rd AAAI Conference on Artificial Intelligence (AAAI'19), Honolulu, Hawaii, USA, January 27 - February 1, 2019
巻: AAAI'19 ページ: na
