研究課題
本研究は、極めて高次元なデータにおける組合せ的計算を伴う問題において、問題（組合せを評価する関数）が持つ離散構造を利用する事により、大域的な最適性を持つ解の効率的探索や、離散構造を事前知識とした解析を行うための計算に関する方法論の構築と、その応用における有用性の検証を目的とするものである．本研究では特に、連続関数における凸性に対応する劣モジュラ性と呼ばれる集合関数の離散構造に着目し、従来は厳密に計算する事が困難だと考えられてきた問題（NP困難問題など）への大域的／近似的最適解の計算のためのいくつかの基盤的アルゴリズムの構築を行ってきた．この内容に関する成果は、機械学習分野におけるトップ国際会議であるNIPSやICMLなどへ、数年連続して論文が採録されるなど、国際的にも極めて高く評価されてきた．当該年度は特に、問題に内在する離散構造を事前知識として利用する事で、効率的・高精度な組合せ的計算を実現する方法に関して研究を行った．得られた方法は、遺伝子データ解析などのいくつかの重要な応用へ適用・検証を行い、応用的な有用性についても検証を行った．特に、ドイツのMax Planck研究所と共同で行った遺伝子データ解析（ゲノムワイド相関解析）への適用に関する研究は、経験的に極めて高速かつ高精度な解析方法が得られた。この内容は、バイオインフォマティクス分野のトップ国際会議であるISMB/ECCB'2013へも論文が採録されるなど、国際的にも高い評価が得られている．
24年度が最終年度であるため、記入しない。
すべて 2013 2012 その他
すべて 雑誌論文 (6件) (うち査読あり 6件) 学会発表 (8件) (うち招待講演 1件) 備考 (1件)
Computational Management Science
巻: Vol.10, No.1 ページ: 21-49
DOI:10.1007/s10287-012-0158-y
Bioinformatics
巻: 未定 ページ: 未定
Neural Networks
巻: Vol. 33 ページ: 7-20
10.1016/j.neunet.2012.04.001
Statistical Analysis and Data Mining
巻: Vol. 5 ページ: 114-127
10.1002/sam.10124
Advances in Neural Information Processing Systems
巻: Vol. 25 ページ: 2366-2374
Neural Information Processing
巻: -- ページ: 594-602
http://www.ar.sanken.osaka-u.ac.jp/~kawahara/jp/
