研究スタイル

当研究室では、確率・統計、信号処理、パターン認識、機械学習といった枠組みを用い、データに内在する性質・構造を明らかにする情報処理の原理の解明に取り組んでいます。 既存の手法を使ってデータを解析するのではなく情報処理の理論を明らかにする数理的な研究に主眼を置いています。 学生は個々に課題・研究テーマを見つけ、研究室のメンバーや教授と積極的にディスカッションしながら研究を進めています。

研究内容

クラスタリング

類似度に基づいてデータをグループ分けする機械学習の手法。

アンサンブル

似ている表現力を持つ学習器ではなく、色々な表現ができる弱学習器を組み合わせることでより正答率を上げるという機械学習の手法。

統計的モデル

確率分布が1点に定まる空間において機械学習の手法を議論する枠組み。

ICA

独立成分分析。観測信号から原信号を推定するために信号を独立な成分に分解して行う解析手法。