非線形モデリングと統計的計算機技法の研究

非线性建模与统计计算机技术研究

基本信息

批准号：
12878046
负责人：
小西貞則
金额：
$ 1.34万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Exploratory Research
财政年份：
2000
资助国家：
日本
起止时间：
2000 至 2002
项目状态：
已结题

项目摘要

計算機の高度利用を前提として,自然科学・社会科学の諸分野における複雑現象を解明するための非線形モデリングの研究を推進し,以下のような研究成果を挙げた.1.高次元大規模データに基づいて現象発生の確率的メカニズムを有効に捉える非線形モデルとして,ガウス型動径基底関数ネットワークに基づくモデルを提唱し,正則化法に基づくモデルの推定,ベイズアプローチに基づくモデルの評価法を開発し,複雑な現象構造の分析に有効に機能するモデリング手法を開発した.この手法は,多層型パーセプトロンに基づくニューラルネットワークモデルの適用上の難点を克服し,諸科学の様々な現象解明に適用できる柔軟なモデリング手法であることが立証できた.2.ガウス型動径基底関数ネットワークモデルと,現在,集中的に研究が進展中のサポートベクターマシーンと比較検討し,それぞれの適用上の問題点と手法の特徴を明らかにした.さらに,高次元大規模データの分析に有効に機能する識別・判別手法を研究中である.3.本研究を通して提案した動径基底関数ネットワーク非線形モデリング手法は,汎化能力に優れた非線形手法で実際問題への適用上有効に機能することが分かった.現在,画像認識,音声認識,医学の鑑別診断,リモートセンシングデータの解析を通して,その有用性を検証すると共に,問題点をフェードバックして研究を継続中である.

基于计算机先进应用的前提，我们推进非线性建模研究，以阐明自然科学和社会科学各个领域的复杂现象，并取得了以下研究成果： 1. 基于高斯径向基函数的模型网络作为非线性模型，可以有效地捕捉现象发生的随机机制。我们提出了基于正则化方法的模型估计方法和基于贝叶斯方法的模型评估方法，并开发了一种对于分析复杂现象结构有效的建模方法。该方法是基于多层感知器的灵活模型。通过克服应用基于神经网络模型的困难，应用于阐明各种科学中的各种现象2.对高斯径向基函数网络模型和目前正在深入研究的支持向量机进行了比较，讨论了各自应用中存在的问题和方法，明确了数据的特点。目前正在研究有效分析高维、大规模数据的识别和判别方法。3.通过本研究，本文提出的径向基函数网络非线性建模方法被认为是一种具有良好泛化能力的非线性方法，在应用于实际问题中是有效的。目前，它被应用于图像识别、语音识别、医学鉴别诊断等领域，通过分析遥感数据后，我们正在验证其有用性，并通过反馈任何问题来继续我们的研究。