ビッグデータ機械学習のためのスケーラブルな非線形非凸多様体最適化手法
【研究キーワード】
最適化 / 多様体 / 確率的勾配法 / 最適輸送問題 / Wasserstein距離 / リーマン多様体 / 深層学習 / 機械学習 / 多様体最適化 / ビッグデータ / 非線形非凸
【研究成果の概要】
本研究では，ビッグデータを用いた実応用における品質精度と処理量効率性の大幅な向上を達成することを目指してリーマン多様体最適化手法に着目し，スケーラブルな非線形非凸多様体最適化手法について研究した．幾何的（多様体）制約付き深層学習のための深層学習確率的勾配法，二次最適性を実現する非厳密信頼領域，またそれらの応用について研究した．さらに，最適輸送問題の最適化手法とその応用について研究した．
【研究代表者】
【研究種目】基盤研究(C)
【研究期間】2019-04-01 - 2022-03-31
【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)