研究課題
基盤研究(C)
機械学習法の性質を情報理論における圧縮限界から特徴づけ、学習法の設計論を構築するための部分課題として、逐次時系列予測、レート歪み関数を達成する最適再構成分布、損失関数における不感応性の推定、疎性に基づく推定における正則化パラメータの推定を研究し、それぞれ、二値データの変動生成確率の予測に対する近似最適性予測法の開発、板倉・斎藤歪み尺度に対してレート歪み関数を達成する再構成分布の解明、不感応パラメータの推定誤差の解析、効率的な近似推定法の構築などの成果が得られた。
統計的学習理論
歪み有りデータ圧縮の限界であるレート歪み関数を達成する再構成分布を特徴づける例を追加しており、既存の結果との対比に用いることができる。再構成分布の最適化に対応する、ベイズの定理に基づく学習法は一般に計算困難性を伴う。具体的な時系列解析問題において効率的な近似法を構築し、その性質が実験的に、または一部理論的に明らかにされた。
