【研究領域課題番号】19H00808 (KAKENデータベースで見る）

【研究キーワード】

社会システム工学 / 経営工学 / オペレーションズリサーチ / 最適化 / 機械学習 / 社会実装 / アルゴリズム

【研究成果の概要】

機械学習システムの社会実装を促すために，機械学習システムの計算基盤を支える最適化アルゴリズムに着目し，錐最適化を中心的な技術として現実的な時間で高精度に解ける問題範囲を拡大，ならびに，離散構造を持つ問題を主な対象に計算効率の改善と理論性能保証の証明を行なった．一方で，機械学習モデルが出力する結果への利用者の安心感を高めるためのモデリング技法を開発した．特に，利用者の事前知識を学習モデルに反映させ，高性能性を保持しつつも，利用者の直観に反しない結果を導出する方法，ならびに，それを実現するためのアルゴリズムを多角的に開発した.

【研究の社会的意義】

Society 5.0の実現に向けては機械学習システムをより安心・安全に利用するための方法論の確立が重要であり，本研究では，その方法論の計算基盤である最適化アルゴリズムを刷新した．成果の一部はライブラリ等で公開され，比較的容易に利用できる形となっており，社会のさまざまな場面での活躍が期待できる．また，純粋数学の未解決問題に貢献する成果も得られた．事前知識の活用に基づく機械学習におけるモデリング技術は，汎用性が高く，また，高度な数学を用いずともその有効性や妥当性を議論できるものであり，一部の専門家による利用にとどまらず，こちらについても，社会のさまざまな場面での活躍が期待できる．

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2022-03-31

【配分額】30,420千円 (直接経費: 23,400千円、間接経費: 7,020千円)

【研究分野】知能情報学

【研究領域課題番号】17H00762 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 人工知能 / カーネル / 編集距離 / データの類似性 / データマイニング / アルゴリズム / 半構造化データ / 教師あり学習 / 分類 / クラスタリング / 距離 / パターン抽出 / 木

【研究成果の概要】

【理論】編集距離とマッピングカーネルの類似を着眼点とした本研究は、圏論の視点から理論を整理し、人工知能分野のトップ会議であるAAAIに論文が採録された。最終的には、測度空間を対象、測度を保存する部分一対一可測写像を射とし、離散データ構造に限定せず、広い範囲のデータ構造に適用する共通手法として距離やカーネルを定義することに成功した。
【実装】理論に基く概念をPythonから利用できるように実装し、GitHubなどで公開した。
【応用】100種類以上に及ぶ木カーネルの評価を行い、線形計算量を持ち、多くの領域で優れた性能を示す関数を特定した。また、情報セキュリティやSNS分析における応用事例を報告した。

【研究の社会的意義】

人工知能研究の基礎である機械学習では多くの手法や概念が提案されている。本研究の学術的意義は、これらの手法や概念のうち、重要な幾つかが共通の枠組みから導出できることを示した点にある。このことにより、例えば、文字列アラインメントを計算するために考案されたアルゴリズムを、共通枠組み中で抽象化し、次いで、木データに適用して具象化することで、木データのMAST問題に適用することが可能となる。このように、本研究が提案する共通枠組みにより、特定の分野における成果を他の分野に拡張・敷衍することが可能となる。この事実は、実用上でも重要な意義を持っており、データ分析において適用できる手法の幅を拡大する。

【研究種目】基盤研究(A)

【研究期間】2017-04-01 - 2021-03-31

【配分額】40,820千円 (直接経費: 31,400千円、間接経費: 9,420千円)

【研究分野】数理情報学

【研究領域課題番号】17H01699 (KAKENデータベースで見る）

【研究キーワード】

数理最適化 / 大域最適化 / 一般化固有値 / アルゴリズム / 機械学習 / 一般化固有値計算

【研究成果の概要】

一般に効率的なアルゴリズムの設計が原理的に不可能であると言われている非凸最適化問題の中でも幾何的な背景を有する問題に焦点を絞り，その構造を利用して, 大域最適解を見出す効率的なアルゴリズムを設計する手法を発展させた．特に，1本の制約式のみを含む非凸2次制約2次計画問題(QCQP)に対して，一般化固有値問題に帰着することによって，効率的に最適解を得る手法を開発した．さらに，一般の非凸QCQPに対して， Lagrange 双対問題を考え，子問題としての 1制約非凸QCQPを繰り返し解くことによってLagrange乗数を逐次改善して，緩和解を高速に得る手法を新たに開発した．

【研究の社会的意義】

これまで厳密な最適解を効率的に計算することは殆ど不可能だろうと思われていた非凸最適化問題に対して，幾何的な背景を有する特殊な問題であれば，一般化固有値計算を用いて，大域最適化を得られることを明らかにした．特に，一般の非凸無制約最適化問題の解法として広く使われている信頼領域法の中で繰り返し解く必要が生じる信頼領域部分問題(TRS)の高速解法を発表した論文は，比較的多くの研究に引用されている．その中には，３次正則化に対して手法を拡張したドイツの研究者による論文など，興味深い後続研究が現れている．

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2022-03-31

【配分額】7,280千円 (直接経費: 5,600千円、間接経費: 1,680千円)

【研究分野】医用システム

【研究領域課題番号】16K12911 (KAKENデータベースで見る）

【研究キーワード】

画像 / 機械学習 / アルゴリズム / グラウンディング / 生体医用画像 / コンピュータ外科学 / 腹腔鏡手術 / 画像認識 / 手術記録自動作成

【研究成果の概要】

手術動画の自動文章化のため，手術映像から解剖，手術器具，動作，事象を認識しテキスト化する機械学習を用いた画像認識アルゴリズムの開発を進めた．結果として，このアルゴリズムは，手術動画の文章化に至る精度まで達してはいない．臓器認識において，症例ごとの形状の違いや可塑性により精度向上に難渋したことが要因として挙げられる．しかし，手術器具など可塑性の低い物体の自動認識については比較的高い精度を達成した．

【研究の社会的意義】

手術動画の自動認識アルゴリズムの開発において，動画より認識が容易な対象物と認識の困難な対象物の特徴を把握できたことはきわめて有用と考えられる．グラウンディング技術は現在多方面で発展が期待されている分野であり，外科領域を含む医療分野におけるグラウンディング技術の応用にとって重要な試金石となった．今後，精度の高い手術器具の自動認識を基に，手術動画の文章化のアプローチ法を検討することで，さらなる発展が期待できると考える．

【研究種目】挑戦的萌芽研究

【研究期間】2016-04-01 - 2019-03-31

【配分額】3,380千円 (直接経費: 2,600千円、間接経費: 780千円)

【研究分野】統計科学

【研究領域課題番号】26280009 (KAKENデータベースで見る）

【研究キーワード】

統計数学 / データ解析 / 高次元 / アルゴリズム / 統計的学習理論 / 高次元データ / 機械学習

【研究成果の概要】

高次元特有の問題としてハブ現象を研究し，その理論的な理解とハブ解消法の提案を行った．また，ツリーデータの解析や曲がった距離を用いたデータ解析など，ユークリッドベクトルとは異なるデータを扱う方法に関して研究を行った．さらに，高次元の密度関数を行う方法として，カーネル法に基づく指数分布族を提案し，その推定法を提案した．

【研究の社会的意義】

ビッグデータ時代になり高次元で複雑なデータを扱う必要性が高まったが，そのようなデータの性質や解析法の関して，理論的な知見や有効な方法が成果として得られた．今後，さまざまな分野に現れる高次元データを扱う際にこれらの成果が貢献できると考える．

【研究種目】基盤研究(B)

【研究期間】2014-04-01 - 2019-03-31

【配分額】12,350千円 (直接経費: 9,500千円、間接経費: 2,850千円)

【研究分野】数理物理・物性基礎

【研究領域課題番号】25610102 (KAKENデータベースで見る）

【研究キーワード】

物性理論 / 磁性モデル / 磁化曲線 / 機械学習 / モンテカルロ法 / 中性子散乱 / 統計力学 / モデル化 / 計算物理 / 物性基礎論 / データ駆動 / アルゴリズム / ベイズ推論 / 画像データ

【研究成果の概要】

本研究は、データ駆動型の研究方法を物性物理の分野で展開することである。まず磁化曲線の観測データを入力として、これまでの経験的な理論モデルの構築に機械学習の技法を援用する方法を提案した。複数の候補から適切なモデル選択が可能となった。その結果、スピン構造など実験的に観測が難しい情報へのアクセスが可能となり、その後の実験計画に役立てられるようになった。さらに、扱う系を量子系に展開するためにはベイズ最適化の手法が有力であることがわかった。一方、大規模施設からのデータを想定して、中性子散乱実験のスペクトルから緩和時間分布を推定する問題に着手し、実データ解析も含めた新しい方向性を示すことができた。

【研究種目】挑戦的萌芽研究

【研究期間】2013-04-01 - 2016-03-31

【配分額】3,770千円 (直接経費: 2,900千円、間接経費: 870千円)

【研究分野】情報学基礎理論

【研究領域課題番号】25280002 (KAKENデータベースで見る）

【研究キーワード】

アルゴリズム / ビッグデータ / 検索 / タンパク質立体構造 / 次世代シークエンサー / バイオインフォマティクス / データ検索 / 機械学習

【研究成果の概要】

統計的モデルにもとづく全く新しいアルゴリズム設計パラダイムであるＳＭＡＤに基づき、タンパク質立体構造データベースを中心とした様々なデータベース上での高速なビッグデータ検索技術の研究開発の実現、およびそれらを活用した応用アルゴリズムの実現をめざして研究を行った。その結果、タンパク質機能予測などを精度を落とさずに高速化することに成功したほか、より幅広いタンパク質立体構造検索の高速検索も実現した。また、次世代シークエンサーデータの解析アルゴリズムなどでも新たな解析手法などを開発することに成功した。

【研究種目】基盤研究(B)

【研究期間】2013-04-01 - 2017-03-31

【配分額】10,400千円 (直接経費: 8,000千円、間接経費: 2,400千円)

【研究分野】知能情報学

【研究領域課題番号】23700162 (KAKENデータベースで見る）

【研究キーワード】

自然言語処理 / 機械学習 / 品詞タグ付け / 固有表現認識 / 構文解析 / 探索 / アルゴリズム / 評価関数 / チャンキング / 係り受け解析

【研究成果の概要】

本研究では、品詞タグ付けや構文解析といった様々な自然言語処理タスクに適用可能な機械学習アルゴリズムの開発を行った。本アルゴリズムは、「履歴に基づくモデル」に先読み機構を導入することを可能にし、その解析精度を大幅に向上することが可能である。実験の結果、複数の自然言語処理において、本アルゴリズムによるアプローチは、自然言語処理分野で標準的に使われるモデルである「条件付き確率場」モデルよりも精度の点で優れていることが示された。

【研究種目】若手研究(B)

【研究期間】2011 - 2012

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究分野】知能情報学

【研究領域課題番号】21240011 (KAKENデータベースで見る）

【研究キーワード】

知識発見 / データマイニング / 機械学習 / テキストマイニング / Web / ネットワークデータ / 統計 / 曖昧正解消 / プライバシー保護 / 言語学習 / クラスタリング / 曖昧性解消 / テキスト / 非負行列分解 / GPU / アルゴリズム

【研究成果の概要】

2009年度は当初の予定通り、Webにおける人名検索結果を同姓同名であるが異なる人物ごとにまとめるクラスタリングシステムを開発し、実験的に評価した。2010年度は大規模データ処理のために非負の確率行列分解アルゴリズムを提案し、既存のLDAと同様な性能を得ることを実証し、並列化アルゴリズムにおいては変分ベイズ法をロングテールに対応するPitMan-Yoモデルに適用し高い性能を得た。2011年度は最近注目されているプライバシー保護データマイニングをネットワークデータに応用した。2012年度は、プライバシー保護データマイニングの応用手法と大規模データに適したオンライン学習で、新規な正則化手法を提案した。

【研究種目】基盤研究(A)

【研究期間】2009 - 2012

【配分額】47,060千円 (直接経費: 36,200千円、間接経費: 10,860千円)

【研究分野】知能情報学

【研究領域課題番号】19700129 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / ゲームプログラミング / 人工知能 / アルゴリズム

【研究成果の概要】

大量の経験的データから学習した知識を利用する効率的な探索技術の研究を行った.探索においては対象の知識を活用することで効率が向上することが知られている.本研究により棋譜に残された人間の判断履歴から,80万次元以上のパラメータを調整し計算機が活用可能な知識とすることが可能となった.
研究成果を将棋プログラムへと応用したところ,現時点で最も強いコンピュータプログラムを作成することができた.
このことは本研究の有用性を示していると考えられる.

【研究種目】若手研究(B)

【研究期間】2007 - 2008

【配分額】2,370千円 (直接経費: 2,100千円、間接経費: 270千円)

【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)

【研究分野】知能情報学

【研究領域課題番号】16700130 (KAKENデータベースで見る）

【研究キーワード】

人工知 / 機械学習 / アルゴリズム / ゲームプログラミング / 探索 / df-pn / 学習 / 詰将棋

【研究成果の概要】

今まで知識なしで動かしていたアルゴリズムに,知識を組み込むことで効率化する研究を行なった.また,ハードウェアの進歩により扱えるデータの量が増えた利点を活用し,組み込む知識を自動的に獲得させる際に大規模な計算を行うことで信頼性を追及した.
対象としては適度に複雑でかつ成果が期待できる題材として,探索問題の一つである将棋及び囲碁のブログラムを選び,そこで用いられるアルゴリズムと知識の組み合わ方を整理し,そのような知識を自動的に獲得することを目標に研究を行なった.
将棋においては,知識を用いて主にdepth first proof number searchを効果的に活用するための研究として次の3点を進めそれぞれ成果を得た.(1)詰将棋探索の制御に知識を用いて効率的に詰を発見することと,その知識を統計に基づき自動的に獲得すること.(2)将棋の終盤において,攻め合いでの一手勝を計算可能とするために,詰や必至の概念を一般化した探索の枠組の精緻化と,その効率化のための知識の利用.(3)探索の一種であるProbeCutにおいて,知識の利用に基づく性能の向上.また,囲碁においては,モンテカルロ法における知識の利用とそのトレードオフを明らかにし,特にサンプル数を増やしたときの性能の向上の頭打ちになる現象の緩和に知識の利用が重要であることを示した.
最後に,組み込むべき知識の効果的な予測方法として,大量の棋譜から求めた評価値毎の勝率を用いることを提案し,実際に、囲碁,将棋,チェスなどで有効性を示した.

【研究種目】若手研究(B)

【研究期間】2004 - 2006

【配分額】3,200千円 (直接経費: 3,200千円)