情報量概念を基盤とした学習理論の展開
【研究分野】知能情報学
【研究キーワード】
学習理論 / 情報量 / 情報幾何 / 機械学習 / 確率的コンプレキシティ / ユニバーサルポートフォリオ / 超解像 / 通信路容量 / Bregmanダイバージェンス / データ圧縮 / ユニバーサル符号 / 密度比推定 / Boosting / 凸2次計画法 / 暗号解読 / 固有値分布 / 一般物体認識
【研究成果の概要】
機械学習,情報理論,およびそれらの応用に関する諸課題について,記述長最小原理に基づく統一的視点のもとに研究を行った.特に,Markovモデルの幾何学的構造と確率的複雑度の関係,通信路容量と確率的複雑度の関係について考察し新たな知見を得た.また,アンサンブル学習等に関して考察し,効率的アルゴリズムや推定法を提案した.さらに,これら基礎的知見に基づき,ネットワークセキュリティにおけるインシデント検知,ポートフォリオ(分散投資戦略),超解像などについて,新たな学習手法を提案し,その有効性を示した.
【研究代表者】