研究課題/領域番号 |
19K04450
|
研究機関 | 地方独立行政法人東京都立産業技術研究センター |
研究代表者 |
金田 泰昌 地方独立行政法人東京都立産業技術研究センター, 開発本部開発第三部情報技術グループ, 上席研究員 (20463010)
|
研究期間 (年度) |
2019-04-01 – 2022-03-31
|
キーワード | 条件付き密度推定 / ノンパラメトリックモデル / 変分ベイズ |
研究実績の概要 |
近年,システムを条件付き確率密度関数としてモデリングする方法(確率的モデリング)が注目されている.しかしながら、既存の確率的モデルは多出力系や複雑な分布形状への 対応,オンライン学習,データ数削減が個別に検討されおり,全てを考慮した方法,すな わち多出力系かつ複雑な分布形状に対応した確率的モデルのオンライン学習法は明らかにされていない.そこで本研究では,多出力系の確率的モデルに対して分布形状の仮定を必要としないオンライン学習法の確立およびその設計法の確立を目的とする.2020年度は任意分布に対応した確率的モデルのオンライン学習法およびその設計法を検討した.具体的に得られた成果は以下の通りである. 1.モデルの関数値を隠れ変数としてシステムの条件付き確率密度関数をモデル化し,隠れ変数を含めたパラメータの事後分布を変分ベイズ法を用いて近似推論する方法を提案した.なお、変分ベイズ法を逐次型のMCMCに置き換えることでオンライン学習が期待できる。 2.数値シミュレーションにより,1.で導出した方法の有効性を検証した.数値シミュレーションでは擬似的に生成したデータを用いて評価した.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
オンライン学習法の検討が思うように進まず、具体的な解法までに至っていない。
|
今後の研究の推進方策 |
カーネルの重み付き平均を考えることでモデル化に必要なデータ数の削減について検討する.
|
次年度使用額が生じた理由 |
(理由)新型コロナウイルスの影響により,旅費について当初計画よりも大幅に支出が少なかった ため . (使用計画)使用している計算機に一部不具合が出ており,計算機環境の改善のために使用する計画である.
|