研究概要 |
本年度は,サボートベクトルマシン(SVM)の解析と非類似度の研究を進め,さらに他の様々な機械学習アルゴリズムについて解析が可能かどうかを検討することを予定していた.SVMの解析においては,忘却機能を有するSVMの漸近的な学習曲線を導出し,非類似度についてば,曲線整合問題におけるサンプリング法を開発した. これらの他,以下のような研究を行った. ・自己組織化マップ(SOM)の一手法であるモジュラーネットワーク(mn)SOMについて,その学習特性を理論的に導出した.その結果,mn-SOMは本質的には線形補間をしていることを明らかにした. ・神経スパイク時系列から神経細胞の特徴を特定するのに最適な特徴量を,セミパラメトリック推定の情報幾何学を用いて導出し,その有効性を計算機実験で確認した. ・強化学習において,従来の理論が定常エルゴードマルコフ決定過程を仮定しているのに対し,それを満たさない場合について情報理論的な視点から検討し,収益の最大化が可能な確率過程のクラスを導出した. ・自動車のブレーキ警告システムを構築するため,ドライバーのブレーキの履歴をSVMで学習することにより,ブレーキタイミング予測を可能にした. ・センサーネットワークを利用したオフィスログデータに因子分解に基づくデータマイニング手法を滴用し,オフィスログから各人を特徴付けることが可能であることを示した.
|