| 研究課題/領域番号 |
17H01793
|
|---|
| 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 |
知能情報学
|
|---|
| 研究機関 | 国立研究開発法人産業技術総合研究所 |
|---|
研究代表者 |
赤穗 昭太郎 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 上級主任研究員 (40356340)
|
|---|
| 研究分担者 |
藤木 淳 福岡大学, 理学部, 教授 (10357907)
日野 英逸 統計数理研究所, モデリング研究系, 教授 (10580079)
村田 昇 早稲田大学, 理工学術院, 教授 (60242038)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2022-03-31
|
| キーワード | 機械学習 / ノンパラメトリック / 情報幾何 / 学習アルゴリズム |
|---|
| 研究成果の概要 |
大量のデータを効率的に機械学習で扱う有効な方法として、データを確率分布のパラメータに縮約することが考えられる。本課題では、そのようなデータに対する機械学習の開発に取り組んできた。もともと、代表者が開発してきた分布データに対する主成分分析の拡張という研究があったが、それをより柔軟性のあるノンパラメトリックな枠組みへと拡張するというのが本研究課題の学術的な貢献であり、ガウス過程回帰の情報幾何などで達成できた。また、神経科学や地球物理学などへの応用についても情報幾何学的な行列分解の適用などを通じて実践できた。
|
| 自由記述の分野 |
機械学習
|
| 研究成果の学術的意義や社会的意義 |
機械学習では、通常実数値ベクトルを入力として学習が行われることが前提であるが、大量のデータを集約した分布のパラメータなどは実数値として扱うことが必ずしも適切ではない。本研究課題では、そのような分布データに関する機械学習の手法を理論・応用の両面から深化させ、さまざまな応用課題（神経科学や地球科学をはじめとする多くの分野）に適用するための方法論を確立したことにある。
|
