Discovery Sagaサイレントキーワード俯瞰

機械学習 / 共分散行列 / 共変量シフト / 主成分分析 / ブレインコンピュータインターフェイス

ブレインコンピュータインターフェイスなどでは，共分散行列を特徴としてパターン認識を行う事が多い．本研究では，共分散行列に関する新しい機械学習技術を二つ開発した．一つ目は，データの生成確率分布が時間とともに変化する共変量シフトの状況における共分散行列の推定法である．重要度とよばれる確率密度関数の比で重みを付けて共分散行列を推定することにより，共変性シフト下でも適切に共分散行列が推定できるようになった．もう一つは，高次元の共分散行列の次元削減法であり，共分散行列が属する空間がなすリーマン幾何構造を用いることにより，もとの共分散行列の情報を適切に保持したまま，次元数を削減できるようになった．そして，これらの手法の有効性を，計算機シミュレーションやブレインコンピュータインターフェイスのデータを用いた計算機実験によって確認した．

学習と知識獲得 / 知能情報処理 / 機械学習 / データマイニング / 非定常環境適応 / 共変量シフト / 重点サンプリング / 重要度重み / ロボット制御 / 強化学習 / 政策反復法 / 政策探索法 / 非定常環境 / 密度比推定

従来の機械学習の研究では,データが生成される環境が時間とともに変化しないという大前提のもとで理論やアルゴリズムが構築されてきた.しかしながら,近年の応用場面ではそのような定常性が成り立たない場合が多い.そこで本研究プロジェクトでは,環境の変化に対応するための基礎理論,および,実用的なアルゴリズム開発を行なった.そして,その成果をロボティックス,画像認識,脳波解析,音声識別,自然言語処理など様々な分野に応用した.

機械学習 / 関数近似 / 教師付き学習 / 共変量シフト / 汎化誤差 / 交差確認法 / ベイズ推定 / ブレインコンピュータインターフェース / 汎化能力 / モデル選択 / 不偏性 / 入力点依存 / 準教師付き学習 / ラベル無しデータ

本年度は,共変量シフトの場面での汎化能力推定に焦点を合せ,汎化誤差の理論解析,実用的な汎化誤差推定法の開発,およびその応用研究を行なった.汎化誤差の理論解析に関しては,ベイズ推定と呼ばれる学習法の汎化誤差を対象に,古典的な解析法では対応できなかった特異モデルをも含む一般的な設定での汎化誤差解析を行なった.実用的な汎化誤差の推定法に関しては,標準的な汎化誤差推定法である交差確認法を拡張し,共変量シフトに対応できるようにした.これにより,出力が実数値をとる回帰問題だけでなく,出力が離散的なカテゴリである分類問題に対しても,汎化誤差をうまく推定できるようになった.応用研究に関しては,開発した汎化誤差推定アルゴリズムをブレイン・コンピュータインターフェースに応用した.ブレイン・コンピュータインターフェースは脳波でコンピュータを動かす新しいマン・マシンインターフェースであり,近年盛んに研究されている.しかし,脳波の非定常性のため,従来の学習法ではうまく脳波の分類が行なえないという問題があった.今回開発した共変量シフト適応法を用いて,非定常性な脳波データをうまく分類する方法を確立し,その有効性を実証した.