研究課題/領域番号 |
26330261
|
研究機関 | 青山学院大学 |
研究代表者 |
大原 剛三 青山学院大学, 理工学部, 准教授 (30294127)
|
研究分担者 |
斉藤 和巳 静岡県立大学, 経営情報学部, 教授 (80379544)
木村 昌弘 龍谷大学, 理工学部, 教授 (10396153)
|
研究期間 (年度) |
2014-04-01 – 2017-03-31
|
キーワード | 機械学習 / 統計数学 / 確率モデル / 予測シミュレーション / 知識発見 |
研究実績の概要 |
本研究は,大規模データのダイナミクスをモデル化する確率過程を対象に,限定された試行回数の下でもその確率過程に対するシミュレーション結果の精度を保証する新たな予測シミュレーションパラダイムを機械学習の枠組みで確立することを目的としている.具体的には,社会ネットワーク上の情報拡散モデルを主な対象とし,統計的機械学習におけるリサンプリング法などの理論を基礎として,予測シミュレーションの精度を保証する理論的枠組の構築,およびそれに基づくシミュレーション法の確立を目指している. 本年度は,前年度に提案したリサンプリング法の1つであるleave-N-out法を基礎とした予測シミュレーション法について,これまで適用していなかったデータに対して適用し,その性能評価を進めるとともに,その方法論を社会ネットワークにおけるノードの重要性指標であるノード中心性の計算問題に応用し,中心性の高い重要ノード群を一定の精度保障付きで推定するためのギャップ分析法を提案した.このギャップ分析法では,ネットワーク中の全ノード間に対して実行すべき最短パス長の計算などの基本計算を,サンプリングされた一部のノード間のみで実行し,その結果に基づき中心性指標の大小関係が一定の精度で保障されるノード群を同定する(ノード群間にギャップが存在すると考える).そのため,大規模ネットワークでは予測シミュレーションと同様に基本計算を反復することにより膨大な計算時間を要する中心性指標の計算を回避し,重要ノード群の特定を可能にする.これは,提案する予測シミュレーションの枠組みが汎用的であり, 反復計算を多用するような類似する実問題に広く応用可能であることを示すものである.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
今年度は,当初予定していたリサンプリング法に基づく予測シミュレーション法の評価・洗練と,それに加えて,その方法論を応用したギャップ分析法の提案・評価を中心に進めた.また,データの収集・整備も予定通り進み,全体としてほぼ予定通り進行している.
|
今後の研究の推進方策 |
今年度同様,リサンプリング法に基づく手法をシミュレーションの精度保障の中心的な枠組みとし,引き続き,少ないシミュレーション回数の下で高い精度を保証するという目的の下,ベイズ学習,PAC学習に基づく技術を必要に応じて総合的・相補的に利用する枠組みを検討する.また,アクティブマイニング的知識発見法への応用を目指し,実タスクへの適用を通して,手法の洗練を加速させる.
|
次年度使用額が生じた理由 |
当初予定より国際会議の出席回数が少なかったこと,およびアルバイト学生の確保が困難であったために謝金の支出が少なかったことにより,次年度使用額として約60万円残ることとなった.
|
次年度使用額の使用計画 |
次年度は,上記の次年度使用額のうち約40万円分を含めた100万円程度を研究代表者・分担者3名分の旅費に充当し,それに伴う学会参加費として20万円を予定している.一方,最終年度ということで,予定しているアクティブマイニング的知識発見法への応用システムの評価・洗練を短期間に集中的に行うために,次年度使用額の残り約20万円を含めた30万円程度をそのための計算機導入に充て,その作業に伴うアルバイト謝金として10万円程度の支出を予定している.
|