| 研究課題/領域番号 |
25240036
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
鷲尾 隆 大阪大学, 産業科学研究所, 教授 (00192815)
|
|---|
| 研究分担者 |
伊庭 幸人 統計数理研究所, モデリング研究系, 教授 (30213200)
Michael E.Houle 国立情報学研究所, 大学共同利用機関等の部局等, 客員教授 (90399270)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2017-03-31
|
| キーワード | 統計的推定 / シミュレーション / 超高次元データ / 次元の呪い / 粒子フィルタ / 機械学習 / データマイニング |
|---|
| 研究実績の概要 |
本研究では、データ解析・シナリオ生成シミュレーションを最新の計算幾何学、モンテカルロ計算と融合し、超高次元データ空間における統計的推定とシミュレーション技術への拡張を目指し、大規模問題におけるクラスタリング、シミュレーション等、大自由度問題へのこれら拡張技術の適用展開を目途とした。大阪大学の研究代表者の研究室と、研究分担者である国立情報学研究所のM.E.Houle客員教授、同じく研究分担者である統計数理研究所の伊庭幸人教授、研究協力者のオーストラリア・フェデレーション大学のKai Ming Ting教授等の共同研究体制を組んだ。
研究代表者の研究室では、超高次元観測データからその背後にある対象状態やその変化シナリオを推定するデータ標本化の研究開発を担当し、プロポーザル分布を用いる方法によって標本分布を最適化してより高精度な推定を行えるように拡張した。また、オーストラリア・フェデレーション大学のKai Ming Ting教授と協力し、超高次元データ空間のデータ分布から機械学習技術による推定を高精度化するデータ質量の理論を定式化し、それを元に異常検知や分類問題の高性能化に成功した。
国立情報学研究所M.E.Houle客員教授は、超高次元データ空間におけるデータ分布次元をデータから高精度に推定する手法を確立し、それをクラスタリングや分類問題に適用してデータ分布次元を用いる有効性を示した。
統計数理研究所伊庭幸人教授は、超高次元自由度空間でのシミュレーション手法を高効率化可能なシナリオ分布生成手法への開発を行った。
これらは何れも本研究が目指した統計的推定とシミュレーション技術として世界初の成果である。
|
| 現在までの達成度 (段落) |
28年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
28年度が最終年度であるため、記入しない。
|
