ガウス基底モデルの幅変数学習に基づく収束保証つき適応非線形関数推定手法の構築

基于高斯基模型宽度变量学习的自适应保收敛非线性函数估计方法的构建

• 批准号: 22K17863
• 负责人: 滝沢 雅明
• 金额: $ 1.33万
• 依托单位: National Institute of Technology, Toyama College
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17863/
• 关键词: ガウス基底モデル; 超変数学習; 非線形関数推定; 適応学習; モデル学習; 再生核ヒルベルト空間; 最適化

関連研究分野として、動径基底ネットワーク・再生核適応フィルタに関する動向調査を実施した。その結果、現状では本研究課題と同様の目的で行われている研究が複数確認されたが、どれも課題を部分的に解決するに留まっていた。特に、収束解析に関する結果は皆無に等しく、本課題の重要性を裏付ける結果を得た。勾配法をもとにした超変数学習を凸解析の枠組みで解析しようと試みた。しかし、ガウス関数の超変数に関する凸かつ有効な目的関数を構成するに至らず、有効な解析を行うことができなかった。現状では、超変数及び基底係数を同時に学習し、それに対して収束解析を与えるのは困難ではないかという感触を得た。本方向性でさらなる進展をのぞむならば、非凸解析についての知見や、当該分野での研究者との協力が不可欠と考える。調査範囲を機械学習における超変数学習へと拡げ、ガウス過程回帰やextreme learningなどについて調査を行い、本課題解決の糸口にならないかを検討した。特に、統計的学習分野において、超変数の選択は長年の課題であり、多くの知見が存在することが確認できた。また、上記関連分野のアルゴリズムについて実装を行い、シミュレーション上で検証できる環境を構築した。さらに、第８５回情報処理学会全国大会に参加し、超変数学習に関する情報処理分野からの知見を得た。既存の知見を、凸な目的関数構成に適用できないか、今後も引き続き模索する予定である。

The related research fields are と と て て, the basis of the dynamic path is ネットワ, and the regenerating kernel is 応フィ and タに. The related する trend investigation is を and the practical application is た. そ の results, the present situation で は と this research subject with others in line の purpose で わ れ て い る study が plural confirm さ れ た が, ど れ も subject part を に solve す る に leave ま っ て い た. に, 収 beam analytic に masato す る results are no に は し く pay in importance, this topic の を け た を る results. The collocation method を を とに た た supervariable learning を convex analysis 枠 枠 set みで analysis ようと try みた. し か し, ガ ウ ス masato number の ultra - に masato す る convex か つ have sharper な purpose masato several を す る に to ら ず, a sharper line analytical を な う こ と が で き な か っ た. Status quo で は, ultra - number and び basal coefficient を し に learning at the same time, そ れ に し seaborne て 収 beam and analytical を え る の は difficult で は な い か と い う feeling を た. Progress in this direction で さ ら な る を の ぞ む な ら ば, non-convex analytic に つ い て の knowledge や, when the eset で の researchers と の together が not owe と exam え る. Investigation van 囲 を rote learning に お け る ultra - several learning へ と company げ, ガ ウ ス process back 帰 や extreme learning な ど に つ い て survey line を い, this topic to solve の si に な ら な い か を beg し 検 た. に, statistical learning, eset に お い て, ultra - の sentaku は elder の subject で あ り, multiple く の knowledge exist が す る こ と が confirm で き た. ま た, written masato even eset の ア ル ゴ リ ズ ム に つ い て be line を い, シ ミ ュ レ ー シ ョ ン on で 検 card で き る environment を construct し た. Youdaoplaceholder0, participate in the 85th National Conference of the Information Processing Society に, study of supervariables に related to the する division of information processing を ら <s:1> insights を た. The existing <s:1> views を and the convex な objective number composition に is applicable to で に な な な な な, and in the future, it will be determined by drawing on the <s:1> 続 に model する.