ビッグデータの多重スケール性を考慮したオンライン解析の研究

点击翻译按钮获取中文摘要

昨年度国際学会誌（IEEE Transactions on Signal Processing）に投稿した論文は査読を通ることができなかった。査読の仮定で指摘された理論的な考察の不備および数値実験の不足を補い、書き直した論文を国内学会誌（IEICE Transactions on Fundamentals of Electronics, Communications and Computer sciences）を投稿し、採録が決まった。理論的考察については、カーネル重みと入力信号の自己相関の間に直接な繋がりが見えないことが問題になっていた。カーネル重みでは入力信号の自己相関を完全に無くすことができず、この二つを直接結びつけることは論理の飛躍を随伴することになっていた。入力の自己相関ではなく、アルゴリズムの収束速度に注目することで、論理的に筋の通った議論ができるようになった。複数の再生核を用いるアルゴリズムの中で、それぞれの再生核における誤差の収束速度を等しくするようなカーネル重みを導出することができる。複数の再生核間の収束速度を揃えることで、全体の誤差を減少させるだけでなく、アルゴリズムの収束速度も速くすることができる。数値実験についても、検証するタスクの種類やデータの数を増やし、検証の信頼度を高めた。特に、推定対象が時間によって変動するような時系列データを用いることで、適応アルゴリズムとしての性能を確かめることができた。