Nonlinear modeling based on high-dimensional data

基于高维数据的非线性建模

• 批准号: 21300106
• 负责人: KONISHI Sadanori
• 金额: $ 10.4万
• 依托单位: Chuo University (2010-2013)Kyushu University (2009)
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2009
• 资助国家: 日本
• 起止时间: 2009-04-01 至 2014-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21300106/
• 关键词: 非線形モデリング; スパースモデリング; 高次モデル評価基準; 正則化法; ベイズモデリング; 高次非線形モデリング; ベイズ型予測モデル評価基準; 高次情報量規準; ロバストモデリング; ベイズ型モデリング; スパース回帰; ベイズ型予測分布モデル; 時空間現象解析; カーネル型推定量; モデル評価基準; L1型正則化法; 機械学習; ベイズ理論; モデル選択; 高次漸近理論; L1タイプ正則化推定法; 時系列解析; 構造方程式モデリング; 識別・判別法 /

The development of electronic measurement and instrumentation technologies enables us to accumulate a huge amount of data with complex structure and/or high-dimensional data. Through this research project we have investigated the problem of analyzing such datasets, and proposed various statistical modeling strategies including nonlinear regression modeling via L1 regularization, model evaluation and selection criteria, and Bayesian statistical modeling. Various regularization methods with L1 norm penalty have been investigated both in theoretical and numerical aspects. The problem of evaluating statistical models is a crucial issue in model building process. We proposed various types of model evaluation and selection criteria from both an information-theoretic point of view and a Bayesian approach. The proposed techniques may be used in the extraction of useful information and patterns from data with complex structure in the life sciences, systems engineering, and other fields.

电子测量和仪器技术的发展使我们能够积累大量的具有复杂结构和/或高维数据的数据。通过这个研究项目，我们调查了分析这些数据集的问题，并提出了各种统计建模策略，包括通过L1正则化的非线性回归建模，模型评估和选择标准，贝叶斯统计建模。 各种各样的正则化方法与L1范数惩罚已被研究在理论和数值方面。 统计模型的评价问题是建模过程中的一个关键问题。 我们提出了各种类型的模型评估和选择标准，从信息理论的角度来看，贝叶斯方法。 所提出的技术可用于从生命科学、系统工程和其他领域中具有复杂结构的数据中提取有用的信息和模式。

项目成果

関連ベクターマシンに基づく非線形回帰モデルと変化点探索

基于相关向量机的非线性回归模型及变点搜索

• 发表时间: 2009
• 作者: 立石正平;小西貞則
• 通讯作者: 小西貞則

関数データに基づく半教師あり識別・判別問題

基于函数数据的半监督识别/判别问题

• 发表时间: 2009
• 作者: 川野秀一;小西貞則
• 通讯作者: 小西貞則

Contextual clustering and unmixing of geospatial data based on Gaussian mixture models and Markov random fields

基于高斯混合模型和马尔可夫随机场的地理空间数据的上下文聚类和分解

• 发表时间: 2009
• 期刊: Bulletin of Informatics and Cybernetics 41
• 作者: Sawamura;Y.;Nishii;R.;Nakamoto;A.;Kawaguchi;S.;Ozaki;T.
• 通讯作者: T.

Variable selection for varying-coefficient models via the elastic net regularization

通过弹性网络正则化对变系数模型进行变量选择

• 发表时间: 2013
• 作者: K. Yoshida;N. Matubayasi;Y. Uosaki;and M. Nakahara;大隅典子;星詳子;Hidetoshi Matsui
• 通讯作者: Hidetoshi Matsui

Nonlinear statistical modeling via the relevance vector machine and its application to change point analysis

基于相关向量机的非线性统计建模及其在变点分析中的应用

• 发表时间: 2012
• 作者: Matsuda;K. and Konishi;S
• 通讯作者: S