大規模データにおける構造的推定手法の理論と応用
【研究分野】統計科学
【研究キーワード】
構造的正則化 / テンソルモデリング / ベイズ推定 / 再生核ヒルベルト空間 / ガウシアンプロセス / 確率的最適化 / 高次元統計 / 統計的学習理論 / 機械学習 / 統計的学習 / 深層学習 / スパース推定 / 確率密度比 / ビッグデータ / 低ランクテンソル推定 / 交互最適化 / 交互方向乗数法 / ガウシアンプロセス事前分布 / ベイズ統計 / 交互方向定数法 / 低ランク行列
【研究成果の概要】
近年あらゆる分野において扱うデータは急速に大規模化している．また 同時に，巨大なデータは内在的に多様な構造を有するようにもなってきている．そのような多量かつ多様なデータを扱うため，構造的スパース性に着目し，それを利用した推定方法を体系的に提案・分析した．そのため，構造的正則化学習と呼ばれる学習方法を高速に解くための確率的最適化手法として，確率的交互方向乗数法を提案した．また，テンソルモデリングと呼ばれているデータ間の関係性を記述するモデルを考察し，ミニマックス最適性と呼ばれる統計的な最適性を満たす推定量を構築した．以上の研究トピックを通して理論から応用まで包括的な研究を行った．
【研究代表者】
【研究種目】若手研究(B)
【研究期間】2013-04-01 - 2018-03-31
【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)