第8回IBISML研究会


その他の詳細

招待講演

近年,時系列のサブシーケンスを対象とした学習手法の実験的研究およびそれを契機とした理論的な分析から,サブシーケンスデータの持つ構造の特殊性が明らかにされている.その構造は、ドメインに由来する制約の外に、時系列データ処理に一般的に用いられる移動平均や滑走窓といった手法に基づく制約を受け,汎用的な手法の直接的な応用を困難にしている.
上の研究の成果から、サブシーケンスを対象としたデータマイニングについても,その構造を考慮して目的とするパターンと検出手法を再構築することが促される.本講演ではサブシーケンスデータの位相空間に関する考察を示し,それに基づいた汎用的マイニング手法の改良・拡張手法について述べる.また,実用的な学習問題への応用にも言及する.

本研究では,代数的な統計モデル及び推定理論を導入し,代数的に性質がよく,かつ統計的に有効な新しい推定量を提案する.その際に,情報幾何学を用いた漸近的推定理論(Amari(1985)など)を用いる.いくつかの具体的なモデルに対して,提案した推定量が有効に機能することを確認する.

発表申し込み

対象とする主な分野

  • 機械学習の情報論的基礎理論、統計数理、計算論的基礎理論、統計物理学的基礎理
  • 機械学習のデータマイニング応用
  • 機械学習の信号処理への応用
  • 機械学習のパターン認識・識別への応用
  • 機械学習の自然言語、音声処理、画像処理への応用
  • 機械学習のバイオインフォマティクスへの応用
  • 機械学習の金融工学への応用
  • 機械学習のロボット制御への応用
  • 機械学習の生命科学・脳科学への応用
  • その他機械学習応用