| 研究成果の概要 |
多値判別問題は判別器の学習に大きな計算コストが必要となるため，効率的に学習可能な2値判別器を多数組み合わせて統合することで多値判別器を構成するアプローチが取られる. この枠組において，先行して提案されている各種の統合手法を特殊ケースとして含みつつ，より効率的な予測が可能な包括的な枠組みを提案した．
マルチタスク問題に対して, 計算量を抑えたアンサンブル学習手法を提案した. 提案手法は通常用いられるカルバックライブラー擬距離と確率モデルの組み合わせではなく, 板倉斎藤擬距離と拡張擬似モデルを用いた推定に基づいている. 提案法の統計的性質について考察し数値実験によってその有用性を確認した.
|
