2017 Fiscal Year Annual Research Report
ビッグデータ時代の複雑構造データを扱う機械学習法の研究
| Project/Area Number |
15H01704
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
|
|---|
| Project Period (FY) |
2015-04-01 – 2020-03-31
|
| Keywords | 機械学習 / 人工知能 / クラウドソーシング / ヒューマンコンピュテーション / 集合知 |
|---|
| Outline of Annual Research Achievements |
グラフ構造をもつデータに対する機械学習法、複数の人間の意見と機械学習を統合してより正しい判断をするための統計的手法ならびに化合物合成可能性判定を対象とした応用を行った。
まず、グラフ構造をもつデータに対して、その接続行列を表現として経由することによる新しい構造予測法を開発し、ある種の疎性をもったグラフにおいてその有効性を示した。また、センサーネットワークにおける予測モデリング手法として、通信料を削減し分散型で学習を行うことのできる手法を開発した。
次に、機械学習のプロセスに人間の知識や判断を取り込む人間参加型機械学習のひとつの実現として、判断に有効な特徴を人間が作成し、これに基づき機械学習モデリングを行うような系を考え、低コストで有用な特徴抽出を行う手法を、機械学習のブースティングの枠組みを用いて実現した。また、正しい回答を行うためには専門知識が必要になる困難な問題に対する新しい統計的意見統合手法として、複数の問題の組み合わせを「超問題」として考え、この上で意見統合を行うことで、専門家の意見を強調できるようになる新しい手法を開発した。
さらに、化合物の合成可能性判定問題において、準専門家の判定を統計的に判定することによって専門家に匹敵する精度で判断を行えることを示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
要素技術については該当分野のトップ国際会議等で受理されるようなレベルの高い成果が出ている。応用についても着実に研究が進んでいる。
|
| Strategy for Future Research Activity |
個々のテーマとしては有力な要素技術ができているが、これらを有機的に統合することにも注力する。
|
