2014 Fiscal Year Annual Research Report
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
25120009
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
岡田 真人 東京大学, 新領域創成科学研究科, 教授 (90233345)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
田中 和之 東北大学, 情報科学研究科, 教授 (80217017)
村田 昇 早稲田大学, 理工学術院, 教授 (60242038)
井上 真郷 早稲田大学, 理工学術院, 准教授 (70376953)
永田 賢二 東京大学, 新領域創成科学研究科, 助教 (10556062)
|
|---|
| Project Period (FY) |
2013-06-28 – 2018-03-31
|
| Keywords | スパースモデリング / 潜在構造 / スペクトル分解 / ブラインドセンシング / ベイズ推論 |
|---|
| Outline of Annual Research Achievements |
大量の高次元観測データが得られる一方で，データの肥大化により，研究者の直感的行為である思索や試行錯誤が追いつかなくなり，科学の実践に必須の仮説／検証ループに基づくモデル化が著しく困難になっている．本計画研究では，この困難をスパースモデリングにより解決し，生物学・地学における実験・計測データから，系の潜在構造としての物理特性を抽出する普遍的手法を開発する．平成27年度では，対象とする3つの課題のうち，以下の2つの研究課題に着手した．
【課題1】スペクトル分解を用いたモデリング
昨年度では，情報抽出に必要最小な計測時間を見積もる手法を開発した．今年度では，核磁気共鳴分光法(NMR)の多次元性や，時間分解XPSに代表される時空間スペクトルに対応する手法開発を行った．具体的には，スペクトルに関する単一データに関して開発したベイズ推論の手法に，時系列データ解析手法である自己回帰(AR)モデルを組み合わせた手法開発を行った．
【課題3】モンテカルロ法による高速全数検索を用いたモデリング
昨年度開発した，特徴選択問題における全状態探索を，様々な分野へ応用した．地球科学班(A02-1)と共同し，津波堆積物の含有元素データから，津波由来かどうかを判別する際に重要となる元素を選択する問題に，全状態探索を適用した．また，市川公募班(B01)とは，発達障害児におけるASD群とADHD群の識別に全状態探索を適用し，重要なチャネルの組み合わせの抽出に成功した．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
課題1であるスペクトル分解に関しては，時空間スペクトルへの拡張は今年度課題に含まれておらず，当初の計画以上に進展しているといえる．
|
| Strategy for Future Research Activity |
課題3で抽出された全状態探索に関する性能評価を行うべく，統計力学的手法による解析を進める．
|
