A universal system for constructive data preprocessing

点击翻译按钮获取中文摘要

本研究計画は、確率モデルを基礎として汎用的に利用できる積極的前処理器の確立を目指す。簡単で効果的なデータ前処理器の実現が本研究の最終的な目標点である。本年度は、主に以下のような研究成果を得た。（１）スパース性の自動学習機能をもつ制限ボルツマンマシン型モデルの提案：データ中のスパース性の抽出はスパースモデリングの文脈で発展してきている。しかしながら、通常のスパースモデリングにおいて、データのスパース度を決定するパラメータ（より具体的には正則化係数）は調節可能なものではないハイパパラメータである。本提案モデルは、スパース度を決定するパラメータの自動調節を可能とした。つまり、自動適応型スパースモデリングである。そして、提案モデルはパターン認識実験において成功している。本提案モデルのデータ前処理器への応用は今後の課題であるが、データ特徴抽出の場面において有効になると期待される。尚、本成果は国際学術論文誌にて発表済みである。（２）制限ボルツマンマシンを基礎としたデータ前処理器の深化：制限ボルツマンマシンに基づくデータ前処理器についての研究は昨年度から継続的に実施している。昨年度は、提案モデルのノイズ頑健性について見出した。本年度は更に研究を進め、要素重要度を推定できる枠組みを相互情報量に基づき提案した。データ前処理において最も重要なのは、不要なデータ要素を刈り込み、重要な要素のみを残すことである。本提案法によりデータの各要素の重要度を情報理論に基づく枠組みを通して算出できるようになった。本提案の要素重要度分析によって、本研究は最終目標に大きく近づいたと言える。尚、本成果は昨年度の成果と併せて国際学会に投稿予定である。