データの学習容易性解析に基づく実ケース学習理論の確立

基于数据可学习性分析的真实案例学习理论建立

• 批准号: 19H04067
• 负责人: 瀧本 英二
• 金额: $ 10.48万
• 依托单位: Kyushu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19H04067/
• 关键词: 計算学習理論; 決定グラフ; 情報圧縮; ゲーム理論; オンライン予測; 行列補完問題; 学習容易性解析; センサーネットワーク; バンディット問題; 計算量理論; 負荷分散; シェイプレット; ZDD; ブースティング; 組合せ最適化; 大規模機械学習; くずし字認識; モデリング

主に以下の成果を得た．１．オンライン行列補完問題は，推薦システムの基盤となる問題である．この問題では，各試行において，アルゴリズムが0-1行列を予測すると，環境から行列のある成分 (i,j) における真の値が与えられる．アルゴリズムの目標は，予測の誤り回数を最小化することである．従来手法は，初めに真値行列に関する補助情報が与えられると一般化した上で，オンライン半正定値計画（OSDP）問題に帰着するものであるが，タイトな誤り回数の上界を達成できていなかった．本研究では，この帰着において，OSDP問題を解くアルゴリズムで用いる正則化項を，補助情報を用いて補正することで，誤り回数のタイトな上界を導出することに成功した．２．エキスパート統合問題では，学習容易性解析に基づき，現実的な仮定のもとで非自明なリグレット上界を導出した．既存研究では，環境が開示する損失ベクトルを並べることにより得られる損失行列のランクを学習容易性指標とするものがあるが，損失行列が低ランクであるという強い仮定をおく必要があった．また，この仮定を緩和し，損失行列が低ランク行列で近似可能とした場合の研究もあるが，その低ランク行列に関する情報をアルゴリズムに与えておく必要があり，実用的ではなかった．本研究では，そのような事前情報を与えることなく，損失行列が低ランク行列で近似できる場合に，非自明なリグレット上界を導出することに成功した．３．センサーネットワークにおいて，スループットとエネルギー消費効率の両方を最適化するように近隣のセンサーを選んでネットワークを動的に構築する問題に対し，バンディットの手法を応用した手法を提案し，実験によってその有効性を示した．

The main results are as follows: 1. The problem is that each trial is in the middle of the test, and the environment is in the middle of the test. To minimize the number of errors in prediction. The method is to reduce the number of errors in a semi-definite value program (OSDP) problem to the upper bound of the error number. In this study, we successfully derived the upper bound of the error number of the OSDP problem by solving the OSDP problem with regularization terms and supplementary information. 2. The OSDP problem is easy to learn. Existing studies show that the environment is open to loss, and that learning is easy, and that loss is low and that learning is necessary. This is the first time that we've seen a situation where we've had a lot of problems, and we've had a lot of problems. In this study, we successfully derived the upper bound of the loss matrix from the previous information. 3. We optimized the cost efficiency of the service matrix from the selection of the neighbor matrix. The method of using BANDERTON is proposed and the effectiveness of the system is demonstrated in practice.

项目成果

順列ベクトルに対するBlackwell ゲームに基づくオンライン線形最適化

基于Blackwell博弈的排列向量在线线性优化

• 发表时间: 2021
• 作者: 小永吉 健太;畑埜 晃平;瀧本 英二
• 通讯作者: 瀧本 英二

WiGig Wireless Sensor Selection Using Sophisticated Multi Armed Bandit Schemes

使用复杂的多武装强盗方案选择 WiGig 无线传感器

• DOI: 10.23919/icmu50196.2021.9638849
• 发表时间: 2021
• 期刊: Proceedings of 13th International Conference on Mobile Computing and Ubiquitous Network (ICMU 2021)
• 作者: Sherief Hashima;Ehab Mahmoud Mohamed;Kohei Hatano;Eiji Takimoto
• 通讯作者: Eiji Takimoto

O(m log m) 時間で更新するブースティングの枠組み

Boosting 框架在 O(m log m) 时间内更新

• 发表时间: 2021
• 作者: 三星 諒太朗;畑埜 晃平;瀧本 英二
• 通讯作者: 瀧本 英二

データの決定ダイアグラム表現に基づく１ノルム正則化ソフトマージン最適化

基于数据决策图表示的一范数正则化软裕度优化

• 发表时间: 2020
• 作者: 黒河 祐太;三星 諒太朗，畑埜 晃平，瀧本 英二;Holakou Rahmanian
• 通讯作者: Holakou Rahmanian

Theory and Algorithms for Shapelet-Based Multiple-Instance Learning

• DOI: 10.1162/neco_a_01297
• 发表时间: 2020-05
• 期刊: Neural Computation
• 影响因子: 2.9
• 作者: D. Suehiro;Kohei Hatano;Eiji Takimoto;Shuji Yamamoto;Kenichi Bannai;A. Takeda