Riemannian Fixed Point Optimization Algorithm and Its Application to Machine Learning

点击翻译按钮获取中文摘要

機械学習の解析対象となる大規模なデータが、ある曲がった空間上に分布するという事例により、リーマン多様体上の最適化が注目を集めている。それは、既存のユークリッド空間上の議論では扱えなかった機械学習を可能にする。特に、適応手法と呼ばれるユークリッド空間上の強力な機械学習法をリーマン多様体上へ拡張することで、データ解析や自然言語処理に現れる複雑な最適化問題を解決している。しかしながら、例えば、ノイズに対する頑強な学習器構築に必要とされる疎性（sparsity）を考慮した機械学習においては、従来の適応手法では適用できないリーマン多様体上の大規模かつ複雑な最適化を解決する必要がある。本研究の目的は、このような最適化問題を解決する新アルゴリズムに基づいた機械学習法を開発することである。令和4年度では、リーマン多様体上の大規模かつ複雑な最適化問題を解くための適応手法とその収束解析について提案することができた。また、敵対的生成ネットワークに現れる最適化問題を解くための適応手法とその収束解析について提案することができた。