| 研究課題/領域番号 |
18K11463
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 京都大学 (2019-2021)
東京工業大学 (2018) |
|---|
研究代表者 |
小渕 智之 京都大学, 情報学研究科, 准教授 (40588448)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | 情報統計力学 / スパースモデリング / 統計的逆問題 / 機械学習 / 近似推論 |
|---|
| 研究成果の概要 |
本課題では、スパースモデリング(SpM)と情報統計力学の技術を拡張することで、変数選択・パラメータ推定問題の、より深い数理的理解と実用的数値解法を得ることを目標として研究してきた。その結果、多くの成果（複数のhigh impact journalを含む15本の査読あり論文、３つの近似アルゴリズムパッケージのGithubでの公開）を得ることが出来た。特に、交差検証法を低計算量で実行する近似アルゴリズムの開発と関連する理論解析、構造学習に関連する逆イジング問題の理論解析、ブートストラップ法を利用した変数選択の近似アルゴリズムとその理論解析が独創的な成果としてあげられる。
|
| 自由記述の分野 |
統計物理学
|
| 研究成果の学術的意義や社会的意義 |
近年、機械学習や人工知能といったキーワードで、ある種の数学的モデリング方法が注目を集めている。本研究では、そのモデリング方法の中でも、スパースモデリングという、様々な事物(変数)の中から重要なものを半自動的に取りだす技術に着目し、その技術を高めるべく研究を行った。多くの場合、計算量的問題から適切な変数の取り出しが難しくなるのだが、それを情報統計力学という物理分野にある手法で問題を近似することにより、計算量を削減するという方針で研究を行った。その結果、正確性を保ったまま以前よりも速やかに変数選択をすることが可能になった。機械学習を大規模に運用する上で重要な成果と成る。
|
