| 研究課題/領域番号 |
16K16011
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
数理情報学
|
|---|
| 研究機関 | 国立研究開発法人理化学研究所 (2017-2018)
静岡大学 (2016) |
|---|
研究代表者 |
前原 貴憲 国立研究開発法人理化学研究所, 革新知能統合研究センター, ユニットリーダー (20751407)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | 組合せ最適化 / 離散凸解析 / 機械学習 |
|---|
| 研究成果の概要 |
機械学習において戦略決定・特徴量選択等のために離散最適化問題を解く必要がある．これらの問題によく現れるのが劣モジュラ関数である．劣モジュラ関数は限界効用逓減性とよばれる人間の効用や情報量が自然に満たす性質をもつ関数であり，離散版の凸関数と見なせる関数である．離散凸解析は連続凸関数とのアナロジーを用いて劣モジュラ関数やそれに関連する関数の性質を解析する理論的枠組みである．本研究では離散凸解析の観点から劣モジュラ関数を最適化する機械学習に活用可能なアルゴリズムを提案した．
|
| 自由記述の分野 |
組合せ最適化; 機械学習
|
| 研究成果の学術的意義や社会的意義 |
機械学習は近年極めて注目を集めている分野である．深層学習等の予測問題は適当な確率モデルのパラメタ最適化（連続最適化）問題として定式化され，大規模な計算能力の支援のもと確率勾配法などの汎用手法で解かれている．一方で，得られた予測結果から具体的な戦略を定める戦略決定問題や，モデルを圧縮する部分集合選択などは離散最適化問題となるが，これらに対する汎用的な解法は現在のところ存在しない．本研究ではそのような手法の理論基盤を作ることを目的とし，離散凸解析に基づくアルゴリズムを提案した．
|
