Theory and applications of cross-data-type machine learning methods

跨数据型机器学习方法理论与应用

• 批准号: 22700289
• 负责人: SUZUKI Taiji
• 金额: $ 2.33万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2010
• 资助国家: 日本
• 起止时间: 2010 至 2012
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22700289/
• 关键词: 統計的学習理論; multiple kernel learning; スパース加法モデル; オンライン最適化; 双対平均化法; 近接勾配法; スパース学習; 正則化; 機械学習; 統計数学

We have investigated statistical convergence properties of Multiple Kernel Learning (MKL) with various types of regularizations. Moreover, we proposed a Bayesian variant of MKL and showed that it has optimality without strong assumptions on the design which are assumed in conventional theoretical analysis of MKL. We also proposed an online optimization method that is useful for structured regularization. It was shown that the proposed algorithm converges in the mini-max optimal rate.

我们研究了具有各种类型正则化的多核学习（MKL）的统计收敛特性。此外，我们提出了 MKL 的贝叶斯变体，并表明它具有最优性，无需对 MKL 的传统理论分析中假设的设计进行强假设。我们还提出了一种对结构化正则化有用的在线优化方法。结果表明，该算法以最小-最大最优速率收敛。

项目成果

Least-squares Independent Component Analysis

最小二乘独立成分分析

• 发表时间: 2011
• 影响因子: 2.9
• 作者: Taiji Suzuki; Masashi Sugiyama
• 通讯作者: Masashi Sugiyama

On prior selection and covariate shift of $￥beta$-Bayesian prediction under $￥alpha$-divergence risk

$$alpha$-发散风险下$$beta$-贝叶斯预测的先验选择和协变量平移

• 发表时间: 2010
• 作者: Taiji Suzuki; Fumiyasu Komaki
• 通讯作者: Fumiyasu Komaki

Unifying Framework for Fast Learning Rate of Non-Sparse Multiple Kernel Learning

非稀疏多核学习快速学习率的统一框架

• 发表时间: 2011
• 作者: Taiji Suzuki

Density Ratio Estimation in Machine Learning

机器学习中的密度比估计

• 发表时间: 2012
• 作者: Masashi Sugiyama; Taiji Suzuki;Takafumi Kanamori
• 通讯作者: Takafumi Kanamori

Some convergence results on multiple kernel additive models.N

多核加性模型的一些收敛结果。N

• 发表时间: 2012
• 作者: Taiji Suzuki