豊橋技術科学大学

検索

Search

小林 真佐大(こばやし まさひろ)

所属 情報メディア基盤センター
職名 助教
専門分野 統計的学習理論 / ロバスト統計
学位 博士(工学)(豊橋技術科学大学)
所属学会 電子情報通信学会
E-mail kobayashi@imc
※アドレスの末尾に「.tut.ac.jp」を補完してください
研究室web https://sites.google.com/view/kobayashi/
研究者情報(researchmap) 研究者情報

研究紹介

 機械学習とはコンピュータ上において、既知のデータより学習を行い、データの持つ潜在構造の抽出や未知データの予測を行う手法を指します。コンピュータが"学習する"ことはある関数の最適化問題といいかえることができます。ある関数(損失関数)の設計は機械学習法の根幹を成す問題であり、その選び方によっては性能を左右します。情報理論の観点からこの損失関数を設計することで、機械学習法の構築や拡張を行っています。
 また、実際のデータ中には学習に悪影響を及ぼす外れ値と呼ばれるデータが含まれることがあります。この外れ値の悪影響を小さくするための機械学習法にも興味関心があります。

テーマ1:f分離可能ひずみ尺度に基づく学習法の研究

概要
関数fをべき関数に選んだ場合の外れ値に対する頑健性の評価

 情報理論の分野で提案されたf分離可能ひずみ尺度を損失関数として採用し、その最小化による学習法を考案した。この学習法では単調増加関数fの選択に対応して、外れ値に頑健な学習、最大学習損失最小化、最尤学習といったように振舞いを柔軟に変えることができる。この学習法に基づいて機械学習アルゴリズムの構築や統計的な性質の解析を行っている。

主な業績

Masahiro Kobayashi, Kazuho Watanabe, "Generalized Dirichlet-process-means for f-separable distortion measures," vol. 458, pp.667-689, Neurocomputing, Oct. 2021.
Masahiro Kobayashi, Kazuho Watanabe, "Unbiased Estimation Equation under f-Separable Bregman Distortion Measures," Proc. of the IEEE Information Theory Workshop (ITW2020), Virtual conf. (Riva del Garda, Italy), pp.311-315, Apr. 2021.
Masahiro Kobayashi, Kazuho Watanabe, "Generalized Dirichlet-Process-Means for Robust and Maximum Distortion Criteria," Proc. of International Symposium on Information Theory and Its Applications (ISITA), Singapore, pp.45-49, Oct. 2018.

キーワード

f分離可能ひずみ尺度 / ブレグマンダイバージェンス / 影響関数 / 推定方程式の不偏性 / 板倉斎藤分布

テーマ2:情報理論に基づくクラスタリングアルゴリズムのパラメータ設定法の検討

概要

 DP-means法は、クラスタリング手法の中で最もよく使われるK-means法の欠点を改善するアルゴリズムとして提案された。K-means法の利点である実行にかかる計算時間がデータ数の線形オーダーという高速に動作する点とアルゴリズムがシンプルという点を保持しつつ、課題であったクラスタ数の自動推定を可能とする。ただしDP-means法では、クラスタ数の代わりにクラスタ数を制御する罰則パラメータを与える必要があるため、どのように決めればよいかが問題となる。この問題に対し、情報理論の一分野であるレートひずみ理論の観点から、レートと最大ひずみがそれぞれクラスタ数と罰則パラメータとして解釈できることから、罰則パラメータを決定する方法の考察を行った。

主な業績

小林真佐大,渡辺一帆, "ディリクレ過程平均法のレートひずみ理論による解釈," 電子情報通信学会論文誌A, vol.J100-A, no.12, pp.475-486, 2017年12月.

キーワード

レートひずみ関数 / 最大ひずみ / ブレグマンダイバージェンス

その他(受賞、学会役員等)

SITA若手研究者論文賞,2020年8月6日.
電子情報通信学会東海支部,学生研究奨励賞,2018年6月18日.


ページの先頭へ戻る