| 研究課題/領域番号 |
19K11854
|
|---|
| 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60030:統計科学関連
|
|---|
| 研究機関 | 九州大学 (2022)
電気通信大学 (2019-2021) |
|---|
研究代表者 |
川野 秀一 九州大学, 数理学研究院, 教授 (50611448)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | スパースモデリング / 主成分回帰 / マルチタスク学習 / 因子回帰 / 凸クラスタリング / ベイズモデリング / テンソルデータ解析 / 変数併合 |
|---|
| 研究成果の概要 |
予測モデルと関係抽出モデルの1段階推定法による統計モデルの開発を目的として，モデル融合型統計解析手法の理論・方法論の研究に取り組んだ．とくに，主成分回帰，因子回帰，マルチタスク学習の観点から研究を進めた．また同時に，予測モデル，もしくは関係抽出モデルの開発研究にも取り組んだ．モデルに含まれるパラメータを推定するために，スパース推定による推定方式を定式化し，その推定方式に対する計算アルゴリズムを導出した．開発した統計解析手法は，生命科学分野をはじめとする様々な分野の実データに応用した．
|
| 自由記述の分野 |
統計科学
|
| 研究成果の学術的意義や社会的意義 |
予測性と解釈性を同時に持つ統計解析手法の開発は，これまで予測モデルと関係抽出モデルをただ単にアドホックに繋げるのみであった．しかし，アドホックに繋ぐ手法では，真に有効な情報を抽出しているか疑問である．そこで本研究では，確かな数理基盤の上で予測モデルと関係抽出モデルを繋げ，理論的整合性を備えた予測性と解釈性を併せ持つ統計解析手法を開発した．本研究成果により，これまでの統計解析手法では得ることが困難であった，データに内在しているより高次の情報を得られることが期待される．
|
