• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2016 年度 研究成果報告書

半教師付き学習による小標本高次元変数選択法の開発と超解像への応用

研究課題

  • PDF
研究課題/領域番号 25870503
研究種目

若手研究(B)

配分区分基金
研究分野 統計科学
知覚情報処理
研究機関九州大学

研究代表者

川喜田 雅則  九州大学, システム情報科学研究院, 助教 (90435496)

研究期間 (年度) 2013-04-01 – 2017-03-31
キーワード半教師付き学習 / MDL原理 / 超解像 / Barron and Cover理論 / スパースコーディング
研究成果の概要

本研究の最大の成果はこれまで困難であったBarron and Cover理論の教師付き学習への適用を可能にしたことである.これによって確率変数の有界性や漸近的な仮定を一切必要としないリスク評価を行える可能性が開けた.我々は実際に圧縮センシングの代表的アルゴリズムlassoのこれまでにないリスク評価を得た.さらにこれらの成果について密度比を用いた半教師付き学習及びスパースコーディングの設定に拡張することに成功した.さらにシングルフレーム超解像は実は半教師付き学習とみなせることを指摘し,上記の半教師付きスパースコーディングによって精度が改善されることを示した.

自由記述の分野

統計科学,機械学習,情報理論

URL: 

公開日: 2018-03-22  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi