2016 Fiscal Year Annual Research Report
携帯デバイス用小型で高性能な察知エージェントの設計に関する研究
| Project/Area Number |
15J10477
|
|---|
| Research Institution | The University of Aizu |
|---|
Principal Investigator |
金田 祐也 会津大学, コンピュータ理工学研究科, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2015-04-24 – 2017-03-31
|
| Keywords | 判別境界作成 / ガイドデータを用いたオンライン学習 / ニューラルネットワーク / サポートベクターマシン / オンライン学習 |
|---|
| Outline of Annual Research Achievements |
本年度も，昨年度に引き続き，私が過去に提案した判別境界作成(DBM: Decision Boundary Making)アルゴリズムのオンライン学習に焦点を当てた研究を主に行った．昨年度末に提案したガイドデータを用いたオンライン学習法について，本研究の目的である携帯端末上でリアルタイムに機械学習モデルの精度を安定的に更新する事が可能となる様に改良を行い，実験を通して検証した．
本研究の課題は，機械学習モデルの精度が更新によって低下する事を抑える安定的な更新，及び携帯端末上で更新可能となる低計算コストな手法である事にある．提案手法では，未知データが観測される度に既知のデータから少数のデータを選択し，観測データと選択されたガイドデータとを合わせて機械学習モデルの更新を行う事で，観測データに適応しすぎる事を防ぎ，安定的な更新となる事を目論んでいる．又，少数のデータをガイドデータとする事で，計算コストを抑えている．
本年度は，昨年度に提案したk-meansアルゴリズムを基にしたガイドデータ選択法について，ガイドデータ数を変更(k-meansアルゴリズムのk値の変更)した際の更新効率の変化の検証，及び新たに2つのガイドデータ選択法を考案し，計3つの選択方法による更新効率の差異を実験によって検証した．実験結果から，更新の安定性と計算コストの面を踏まえると，DBMアルゴリズムに対して提案手法を用いる際はランダムにガイドデータを選択する方法が良い事が導かれた．精度のみに着目すれば，従来法と比べて最大3.8%の精度向上，精度の安定性については，従来法よりも精度の低下頻度が少なくなる，若しくはほぼ低下する事がない結果となっていた．又，DBMアルゴリズムで得られた多層パーセプトロンモデルが携帯端末上で識別に利用された際に，どの程度の計算時間が掛かるか，どの程度のデータを識別可能か検証した．
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
Research Products
(4 results)
