| 研究実績の概要 |
異常検知の鍵となるスパース情報の有効活用を可能にする斬新な表現モデルと最適化モデルの実現研究と応用に取り組んだ。超複素テンソル補完問題では[Mizoguchi,Yamada2019](IEEE Trans Signal Processing;令和2年度丹羽保次郎記念論文賞)の成果を得た。テンソル標準分解[CP分解(Canonical Polyadic Decomposition)]では従来の古典的解法(Alternating Least Squares法)と全く異なる「近似同時対角化の新解法[Akema-Yamagishi-Yamada,2021a](IEICE Trans Fundam 2021; 2021年度電子情報通信学会論賞))」を提案し、雑音耐性機能を備えたCP分解法の実現に成功した(IEICE Trans Fundam,2022)。さらに、ロバスト主成分分析の超複素テンソル拡張にも成功している[Mizoguchi-Yamada 2021](APSIPA2021)。一方、研究代表者らは近年の多くの推定問題に、大振幅成分の過小推定を招く短所を持つ「凸型正則化スパースモデリング」が応用されている状況を問題視し、大域的最適化を可能とするDC型非凸正則化モデルの実現例としてLiGMEモデルを提唱してきた。LiGME関数をネットワークトモグラフィに応用するには、モロー強化行列(GME行列)の効率的設計法の実現が必要となるため、代数的GME行列設計法を実現することに成功している(IEICE Trans Fundam, 2023; 2023年度電子情報通信学会論賞の受賞が決定済[授賞式(June 6, 2024)予定])他、この成果をcLiGME(凸制約付きLiGMEモデル)に組み込み、雑音除去問題への応用法等に提案している(2023年度信号処理シンポジウム)。
|
