| 研究実績の概要 |
一般の設定においてニューラルネットなど万能近似能力を持つモデルを推定する場合に，入力と出力が可逆であるという制約をかけるとどの程度推定が難しくなるのか理論的に評価した結果が数理統計学の国際誌であるElectronic Journal of Statisticsに採択された．またニューラルネットを利用した順序回帰についての結果が計算機統計学の著名な国際誌であるJournal of Computational and Graphical Statisticsに採択された．力学系の予測問題について，緩和時系列を導入することで，よりシンプルなモデルで複雑な力学系を予測できる場合があることを示した論文がIEEE Accessに採択された．また申請者が以前出版した，リンク予測問題のロバスト化 (Okuno and Shimodaira, AISTATS2019)で利用したロバストダイバージェンスについて，より一般の確率モデルを利用した場合の効率的な最適化法についての結果がAnnals of the Institute of Statistical Mathematics (AISM)に採択された．AISMに採択された結果を利用し，ニューラルネットワークの新しい正則化法について議論した結果をプレプリント(arXiv:2308.02293)として公開している．
これらの研究成果について，日本統計学会連合大会および情報論的学習理論ワークショップなどで講演したほか，CMStatisticsなど3件の国際学会/ワークショップで英語での講演を行った．また得られた研究成果について，日本語での解説をJxiv.537, Jxiv.549, Jxiv.616, Jxiv.642などに公開している．
|
