|
H27年度は潜在的ダイナミクスの情報論的学習理論に関して以下のような展開を行った。
１）時系列データから連続的な変化の開始を検知する理論を構築した。これは従来の変化検知が急激な変化の検知を対象にしていたのに対して、連続的に変化する場合の変化検知に拡張したものである。効率的かつ高精度な変化検知アルゴリズムを開発し、経済データやセキュリティデータに応用した。この成果は国際会議DSAA2015で発表した。２）MDL(Minimum Description Length)原理に基づく変化検知の性質を理論的に解明した。特に、多重変化点検知の一致性を世界で初めて一般的な形で証明した。３）非負値行列因子分解のランク推定並びにその構造変化検知理論をブラッシュアップした。昨年は非負値行列因子分解の最適なランクをデータから推定する方法を、完全変数化MDL規準に基づいて導出した。今年度これを精緻化し、国際会議SDM2016に受理された。４）ネットワーク中心性に基づくネットワーク異常検知の手法を新たに開発した。これは様々なネットワーク中心性概念を統合し、これに基づいてネットワークの異常をリアルタイムで検知する手法である。セキュリティやスポーツデータに適用し、IBIS2015で発表した。また、接続行列の分解に基づくネットワーク構造予測手法を開発した。2015年の人工知能学会で発表した。５）クラウドソーシングによって回答を列挙し、その中から正しい回答を選び出す方法を開発した。列挙された回答をグループにまとめてから、信頼度の高いものを発見するために、HITSアルゴリズムと制約付きクラスタリングを組み合わせこれを実現した。これを国際会議PAKDDで発表した。
|
