研究課題
平成24年度および平成25年度(繰越)は研究課題となっているオンライン・グラフティングの効率化の研究を行った。オンライン・グラフティングは特徴選択と目的関数の最適化を同時に与える手法であるが、学習に時間を要することが知られている。本研究ではオンライン・グラフティングの学習における特徴選択に必要とされる再学習の回数を抑えることにより、オンライン・グラフティングの効率化を実現する手法を提案し、実験を通してその性能を検証した。本研究ではオンライン・グラフティングの学習効率化のための二つの手法を提案した。オンライン・グラフティングの従来手法においては特徴選択のテストを高い精度で実現するため、常に識別器のパラメータを最適にしていたが、本研究の一つ目の提案手法では、一定回数のテストを行うごとにパラメータを最適化し、二つ目の提案手法では、倍数のテストを行うごとにパラメータを最適化することを行った。提案手法は近似解を求める手法となっているため、効率と予測性能との間にはトレードオフがあったが、実験結果より、予測性能を低下させることなく、大幅に学習効率を改善できることを経験的に示した。二つの提案手法のいずれも最適化回数を削減したことで累積最適化重み数および学習に要した実計算時間が大きく減少し、学習効率を大幅に向上させた。予測性能についてはどちらの提案手法もオンライン・グラフティングおよびL1-正則化ロジスティック回帰とほぼ同程度であり、いくつかのデータセットにおいては、オンライン・グラフティングやL1-正則化ロジスティック回帰の予測性能を上回った。これらの研究成果は、the 5th International Conference on Agents and Artificial Intelligence (ICAART 2013) および日本データベース学会論文誌において発表した。
25年度が最終年度であるため、記入しない。
すべて 2013 2012
すべて 雑誌論文 (3件) (うち査読あり 3件) 学会発表 (2件)
ACM Transactions on Intelligent Systems and Technology (ACM TIST)
巻: vol.4, no.2 ページ: 31:1-31:19
10.1145/2438653.2438666
日本データベース学会論文誌
巻: 11(3) ページ: 15-20
Proceedings of the 5th International Conference on Agents and Artificial Intelligence (ICAART 2013)
巻: - ページ: 277-282
