| 研究課題/領域番号 |
23240019
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
山西 健司 東京大学, 情報理工学(系)研究科, 教授 (90549180)
|
|---|
| 研究分担者 |
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
冨岡 亮太 Microsoft Research, Researcher (70518282)
|
|---|
| 研究協力者 |
寺園 泰
櫻井 瑛一
浦部 泰宏
岩井 宏樹
高橋 俊充
平井 聡
早矢仕 裕
金澤 宏紀
佐藤 翔一
坂井 良樹
梁 曾漢
大枝 真一
朝岡 亮
村田 博史
斎藤 翔太
伊藤 優
宮口 航平
梶村 俊介
馬場 雪乃
小山 聡
栗原 正仁
WANG Jingling
|
|---|
| 研究期間 (年度) |
2011-04-01 – 2016-03-31
|
| キーワード | 情報論的学習理論 / データマイニング / 潜在的ダイナミクス / 機械学習 / ビッグデータ |
|---|
| 研究成果の概要 |
大量のデータから価値ある情報を抽出するデータマイニング技術はますます重要になっている。従来技術では、データの表層的な関係性を抽出することが主であった。しかし、実際には、データの表面に現れない潜在的情報の動きを発見することが、より重要な知識発見をもたらす。そこで、本研究では、データに内在する潜在的情報とその変化（これを「潜在的ダイナミクス」と呼ぶ）を抽出するための技術の数理的基盤を構築した。特に、記述長最小原理に基づく情報論的学習理論の立場から統一的な理論体系を構築した。この理論を実際のデータ（セキュリティ、SNS、マーケティング、医療、教育等）に適用して、実世界での有効性を検証した。
|
| 自由記述の分野 |
データマイニング
|
