山崎 啓介 ( Keisuke Yamazaki )

English Page






山崎 啓介 博士


略歴
論文・発表リスト

近況


交通流解析とドライバモデルの紹介ページを作成しました.

10月より産業技術総合研究所人工知能研究センターの協力研究員を兼務しています.

確率モデルに特異点がある場合の潜在変数推定精度に関する論文が出版されました.
   Keisuke Yamazaki, "Asymptotic Accuracy of Bayes Estimation for Latent Variables with Redundancy",
   Machine Learning, 102(1), pp. 1-28
    前回のJMLR論文では統計的正則性が成り立つ場合の解析を行いました. これは真のクラスタ数とモデルのクラスタ数が一致する状況に相当します.
    本論文はモデルのクラスタ数が冗長な場合にベイズ推定の精度を解析しました.
    誤差の漸近形や事前分布のハイパーパラメータの影響について議論しています.

第21回交通流と自己駆動型粒子系のシンポジウム(12月10日〜11日)で発表しました.
データに基づく最適なセルオートマトンの選択についての研究です.

IBISワークショップ(IBIS2015) で発表しました.
たくさんのコメントありがとうございました.

10月14日, 東京大学 先端科学技術研究センター 西成研究室のセミナーで 交通流CAモデルにおける統計的推測について発表しました.
たくさんの議論ができ新たな研究課題も見えてきました.ありがとうございました.

ベイズクラスタリングにおけるハイパーパラメータの挙動に関する論文が採択されました.
   Keisuke Yamazaki, "On the Optimal Hyperparameter Behavior in Bayesian Clustering",
   Journal of Advanced Computational Intelligence and Intelligent Informatics, Vol.19 No.6, to appear.
     混合分布によるベイズクラスタリングにおいて混合比のディリクレ事前分布のハイパーパラメータの挙動を調べました.
     クラスタリング結果のラベル使用状況によってハイパーパラメータの最適値が変化することを理論と実験により示しました.

第21回リバネス研究費AZAPA賞をいただきました.
  研究テーマ:"交通流データに基づくドライバー意思決定規則の抽出"

SCAT研究費助成に採択されました.(平成26〜27年度)
  研究テーマ:"交通流映像に基づく運転支援システムのためのドライバモデリング手法の確立"

デンソー基礎研究所と共同研究を行っています.
  研究題目:"自動運転社会の交通ルールに関する研究"


主な研究内容


現在の興味

潜在変数推定の精度

混合正規分布などの階層型学習モデルは潜在変数と観測変数から構成されます.
観測変数の予測は様々な理論研究が存在しますが, 潜在変数の推定に関しては未だ十分な研究がなされていません.
最近は潜在変数を分布推定した場合の推定誤差について漸近解析を行っています.
こうした研究はクラスタリングなどの精度を解明する上で重要な示唆を与えると考えています.
以下に述べるような応用分野でも潜在変数の推定が不可欠であり, 数理的な知見を活かし研究を行っています.

主な成果:
Keisuke Yamazaki, "Asymptotic Accuracy of Distribution-Based Estimation for Latent Variables",
   Journal of Machine Learning Research, volume 13, 3541-3562, 2014.

Keisuke Yamazaki, "Asymptotic Accuracy of Bayes Estimation for Latent Variables with Redundancy",
   Machine Learning, to appear.

交通流モデルにおける統計理論

高速道路などの分岐のない道路における交通流は, 渋滞発生のメカニズムを理解する上で重要であることが知られています.
交通流モデルは様々なものが提案されていますが, 確率セルラーオートマトンで定式化されるものに興味があります.
データからパラメータ推定を行う際,交通流のダイナミクスが推定結果に影響を及ぼすため
通常の統計的推定には表れない新しい性質が観察されます.
研究紹介ページはこちら.

主な成果:
道路における車の密度と流量から運転者の特性を抽出する方法を提案しました.
  小林浩一, 山崎啓介, "基本図の線形成に基づくSOVモデルのパラメータ推定", 日本応用数理学会論文誌, 22(4), 287-300, 2012
ベイズ統計を用いることで,データからいくつかの典型的な運転者モデルを見つけ出す手法を提案しました.
  山崎啓介, "多種粒子TASEPを表現する混合分布モデルと統計的粒子クラスタリングについて", 日本応用数理学会論文誌, 23(4), 357-372, 2014
監視カメラなど定点観測による交通流映像からドライバの最適速度を抽出する方法を提案しました.
  中村文士, 山崎啓介, "交通流映像からの速度決定則のモデル化とグループ分け", 電子情報通信学会ITS研究会, ITS2014-53, 155-160, 2015

共同研究や研究助成など:
デンソー基礎研究所と共同研究を行っています.
SCAT研究費助成を受けています.
第21回リバネス研究費AZAPA賞をいただきました.
カシオ科学振興財団から研究助成をいただきました.

医用工学におけるデータマイニング

近年では医用情報を扱うシステムの発展に伴い,診断用画像に限らずカルテや会計情報が電子化されつつあります.
これらを解析するための統計モデルや学習法の研究に興味があります.
新しいタイプのモデルや推定対象が生まれつつある分野です.
最近の結果として, 投薬履歴と病名の関連性をモデリングしました.
カルテの病名から適切な薬を推定し処方の補助を行ったり,
処方された薬から診療報酬請求時の病名に誤りがな・「かの・沚クに応用されます.

学習モデルの確率形式言語としての性質

隠れマルコフモデルや確率セルラーオートマトンなど多くの学習モデルは形式言語としての側面を有します.
統計的なパラメータ学習や予測精度などの解析から,言語的な性質が得られるのではと期待しています.
例えば,潜在変数は生成文法の非終端記号や構文木の構造に対応しています.
推定の統計的性質を明らかにすることで
確率言語の分類や学習可能性についての新たな理論的枠組みを構築しています.

これまでの成果

近年, 情報科学と代数幾何の関連が発見され,
ベイズ統計における重要な量について新しい解析法が開発されています.
この手法を用いて以下のモデルの汎化誤差を調べました.
これらの解析に共通する性質として,
学習モデルと真のモデルの両方が誤差を決めている要因であることがわかりました.
(統計的正則モデルというクラスでは学習モデルのみで決まります.)
この性質を積極的に利用し, 真のモデルの情報を抽出するモデル選択法を提案しました.

また, 解析に必要な手続きとして特異点解消が挙げられますが
これを実行する数学的手法のひとつであるトーリック改変を利用したアルゴリズムを提案しています.
学習の問題でトーリック改変を応用した初めての例になっています.

機械学習の分野では, 共変量シフトや非対称なマルチタスク学習など
学習条件の緩和や, 新たな枠組みでモデルの構築が行われています.
こうした問題に対し, 学習が従来型のものとどの程度異なるのかを理論的に解析しました.

詳しい内容は発表論文を参照ください.

e-mail
k-yam (\at) math.dis.titech.ac.jp

渡・モ研のホームページへ戻る