【研究分野】知能情報学

【研究領域課題番号】17H04693 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 生成モデル / 学習アルゴリズム / 表形式 / データ拡張 / ドメイン適応 / 敵対的学習 / 深層学習 / ベイズニューラルネット / 逐次学習 / 離散構造 / 深層信念ネットワーク / 再パラメータ化 / 局所期待勾配

【研究成果の概要】

近年機械学習分野における生成モデルの発展は目覚ましく，現実的に存在しない人の画像や動画などが人の目には区別がつかないレベルまでになっている．しかし，そのような生成モデルの学習は，通常の識別モデルの学習とは異なり，目的関数の最適化の難しさに起因する学習の不安定性や生成物の評価の難しさに起因する定式化の非自明さなどが相まって，学習手法には多くのヒューリスティックスを要する場合が多い．本研究では，学習の不安定さの解明・緩和と既存研究ではほとんど取り扱われていなかった表形式のデータに関する生成モデルの開発と少数データ解析への応用に関して取り組みICMLなどの難関国際会議で発表した．

【研究の社会的意義】

生成モデルは通常の機械学習における識別モデルによる予測とはことなり，現実には存在しないデータを生成する．現在では，画像や動画などの生成において人が認識できないレベルまで到達しており，人が数時間数日かけて作成するようなものでも数秒で生成してしまう．これは人の創作活動において大きな変革をもたらす可能性を秘めている．しかし，その学習アルゴリズムは未だに解明できていないことも多く，特に学習の不安定さは問題で，学習アルゴリズムに対して多くのヒューリスティックスと試行錯誤が必要となる．本研究では，学習の安定性に関する基礎研究を行い，また生成モデルの適用範囲を表形式データに拡張し，少数データ解析へ応用した．

【研究種目】若手研究(A)

【研究期間】2017-04-01 - 2021-03-31

【配分額】25,090千円 (直接経費: 19,300千円、間接経費: 5,790千円)

【研究分野】知能情報学

【研究領域課題番号】17H01793 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / ノンパラメトリック / 情報幾何 / 学習アルゴリズム / 情報幾何学 / ノンパラメトリック推定 / ガウス過程 / モーダル回帰 / 非負値行列分解

【研究成果の概要】

大量のデータを効率的に機械学習で扱う有効な方法として、データを確率分布のパラメータに縮約することが考えられる。本課題では、そのようなデータに対する機械学習の開発に取り組んできた。もともと、代表者が開発してきた分布データに対する主成分分析の拡張という研究があったが、それをより柔軟性のあるノンパラメトリックな枠組みへと拡張するというのが本研究課題の学術的な貢献であり、ガウス過程回帰の情報幾何などで達成できた。また、神経科学や地球物理学などへの応用についても情報幾何学的な行列分解の適用などを通じて実践できた。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2022-03-31

【配分額】17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)

【研究分野】計測工学

【研究領域課題番号】24656258 (KAKENデータベースで見る）

【研究キーワード】

アレーセンサ / 固有値 / 固有ベクトル / 位置推定 / 状態識別 / 行動識別 / 電波特徴量 / 学習アルゴリズム / ドップラーセンサ / ドップラーレーダ / 転倒検知 / 機械学習 / 位置追尾 / 位置指紋法

【研究成果の概要】

本研究では，アレーアンテナの受信信号から固有値や固有ベクトルといった電波特徴量を抽出し，各状態・位置と，それら電波特徴量の関係を，各送受信機配置に対して実験により評価した．次に，その結果に基づき，電波特徴量に基づくサポートベクターマシーンを用いた状態識別法・位置推定法を提案した．また，位置推定に関して，すべての位置で学習（トレーニング）することは，事前の手間がかかり望ましくない．そのため，電波特徴量に基づき，学習していない位置もある程度の精度で推定できる位置推定法を提案した． 以上の検討に基づき提案した電波センサによる状態識別精度・位置推定精度を，複数の実験により評価した．

【研究種目】挑戦的萌芽研究

【研究期間】2012-04-01 - 2015-03-31

【配分額】4,030千円 (直接経費: 3,100千円、間接経費: 930千円)

【研究分野】社会システム工学・安全システム

【研究領域課題番号】18510117 (KAKENデータベースで見る）

【研究キーワード】

ユビキタス・データマイニング / ブースティング / 学習アルゴリズム / 機械学習 / 数理モデル化技術 / データマイニング / アルゴリズム / モデル化

【研究成果の概要】

本研究の目的は,新しくユビキタス・データマイニング(Ubiquitous Data Mining)の概念を案して,データマイニングに関して既に得られている各種の数理モデルを解析し,それらの統合手法を確立することによって,ユビキタス・サービスに適用可能なデータマイニングの新しいシステム特性を明らかにすることであった.この目的に沿って研究を実施し下記の結果を得た.
ユビキタス・データマイニングの機能的側面については,データ解析の高精度化とシステムの柔軟性の双方を同時に保証できる統合モデルを実現するのに必要な, 1クラスSVM (OC-SW:One-Class Support Vector Machine)の性能改善アルゴリズムを開発した.研究成果は, 2つの国際学術会議(SAMO2007, ANQ Congress2006)で発表するとともに,国際学術誌Journal of the Operations Research Society of Japan (Vol. 51, pp. 95-110, 2008)とLecture Notes in Computer Science 4488号 (pp. 447-454, 2007)に掲載された.また、研究代表者は日本オペレーションズ・リサーチ学会機関誌の特集号「SVMの周辺:One-Class SVMと領域判別」(2006年11月号:Vo1. 51, No. 11)を編集し,総説論文を掲載(同誌, pp. 677-682)した.
実証研究としては,ユビキタス・データマイニングモデルのプロトタイピングを実施し,顧客行動パターンに基づいてタイミングよく対処できる顧客関係支援ツール(顧客セグメンテーション)の開発を行って,交叉検証等によりツールの最適性の評価を実施した.研究成果は,国際学術誌European Journal of Operational Research (Vol. 186, pp. 358-379, 2008)に掲載された.

【研究種目】基盤研究(C)

【研究期間】2006 - 2007

【配分額】4,050千円 (直接経費: 3,600千円、間接経費: 450千円)