研究課題
本研究は生物学データに代表されるグラフ構造データの解析手法の開発を行うものであった．方法論の構築の他に，昨年度は生物学データの取り扱いに習熟するために，生物学データ解析のコンペティションにも参加した．このコンペティションではある部門で精度１位を達成することに成功し，今後の実応用でも活かせる経験を得た．アルゴリズム設計については，当初の計画であったグラフィカルガウシアンモデルに基づく手法に関して，考察を深め，実装を行った．ここまでの考察によってグラフィカルガウシアンモデルからグラフの部分構造を抽出する提案アルゴリズムは，既存法では取り扱いにくい負の相関構造なども扱うことができることを導いた．例えば，生物学のネットワークでは活性だけでなく抑制の関係も重要なためこの性質は有用であると考えられる．また，実際のタンパク質のネットワークを用いて，提案法がグラフデータから局所的な相関構造を抽出できることを実験的に確認した．以上の成果に関しては現在，論文にまとめる作業をおこなっており国際会議や論文誌へ投稿を行う予定である．
2: おおむね順調に進展している
モデルの構築や考察はある程度まで進み，期待していた実験結果も確認することができた．ただし，成果物の出版には至っておらず，論文の執筆を速やかに進める必要がある．
ここまでは，機械学習における教師無し学習の枠組みを考えてきたが，それらの成果がで出しだい，教師付き学習の設定へと手法を拡張する．これにより，例えば，癌のタイプの予測等にとって与えられたグラフのどの部分の相互作用構造が重要なのか同定する手法の構築を目指す．これまで同様，国際会議，国際雑誌での発表を目指し，成果物のコードの公開を行う．
すべて 2014
すべて 学会発表 (2件) (うち招待講演 2件) 図書 (1件)
