• 統計数理研究所

• 松井 知子

7月16日：

Session "Tutorial and Application: High dimensional inference with Monte Carlo and tracking"

- 09:00 – 10:00am F. Septier (Telecom Lille 1)

Langevin and Hamiltonian based Sequential MCMC for Efficient Bayesian Filtering in High-dimensional Spaces

- 10:00 – 11:00am N. Ikoma (Kyushu Institute of Technology)

Langevin and Hamiltonian based Sequential MCMC for Efficient Bayesian Filtering in High-dimensional Spaces

- 11:00 - 12:00am Y. Kawasaki (ISM)

Scale Mixture of Skewed Kalman Filter and Its Application

Session "Application: Financial modelling and insurance"

- 13:30 – 15:00pm P. Shevehenko (CSIRO)

Modelling Annuity Portfolios and Longevity Risk with

Extended CreditRisk+

- 15:30 – 16:30pm G. Bagnarosa (ESC Rennes School of Business)

About Risk Neutral Uncertainty

- 16:30 – 17:30pm M. Ames (UCL)

Violations of Uncovered Interest Rate Parity and International Exchange Rate Dependences

- 17:30 – 18:00pm L. T. Huijie (UCL)

 Loss Reserve

7月17日：

Session "Tutorial: Complex systems for environmental modeling"

- 09:30 – 10:30am Y. Yamagata and D. Murakami (National Institute for Environmental Studies)

A spatiotemporal analysis of participatory sensing data “tweets” and extreme climate events toward real-time urban risk management

- 10:30 – 12:00am I. Nevat (Institute for Infocom Research,A*STAR)

Localization in Mobile Wireless Sensor Networks via Sequential Global Optimization

Session "Theory and Methodology: Statistical machine learning"

- 13:30 – 14:30pm T. Suzuki (Tokyo Institute of Technology)

Stochastic Alternating Direction Method of Multipliers for Structured Sparsity

- 14:30 – 15:30pm K. Fukumizu (ISM)

Kernel Mean Particle Filter with Intractable Likelihoods

Session "Methodology and Application: Gaussian processes and state space modeling"

- 16:00 – 17:00pm K. Markov (Aizu U.)

Probabilistic Dynamic Time Warping based on Gaussian Processes

- 17:00 – 17:30pm T. Matsui (ISM)

Monte Carlo Dynamic Classifier (MCDC) Tool

Closing Session

- 17:30 – 17:45pm T. Matsui

当日の論点は主に次の二つに大別される。

(1) 状態空間モデルと複雑系システム：センサーネットワークの容量や品質の評価、気象予測や解析、音声や動画像認識など、時間的、空間的に変化するデータ処理のためのモデルやシステムについて議論した。

(2) 統計的機械学習：人手による解析が困難な大規模なデータの解析（／機械学習）の手法について議論した。

本ワークショップでは、状態空間モデルや複雑系システムに関して、高次元データや異種混合データから頑健に推定するアルゴリズム、Sequential Markov Chain Monte Carlo法やS-BLUE法が紹介された。それらのアルゴリズムは従来法と比べて高精度であるが、計算コストが高く、今後の課題である。また、状態空間モデルについて、観測モデルが未知の場合に、カーネル法やガウス過程を用いて効果的に表現する手法についての報告があった。従来法と比べて、時空間変動するデータを扱うことができることが示された。

本ワークショップでは、高次元、異種混合、時空間変動などの時空間モデリングの実課題について、有効な手法がいくつか示された。時空間データについては、その代表的な特徴や関係性の解析技術のレベルは向上している。しかしながら、本ワークショップで取り上げたアプリケーションのいくつか、健康リスクや金融リスク解析では、テールの特徴や関係性の解析技術が必要となる。今後は、テールの解析技術の研究開発により注力する必要があると考える。

本ワークショップをきっかけとして、テールの解析技術に関するいくつかの共同研究がはじまりつつある。今後は、それらの共同研究を推進するとともに、来年度も同様のワークショップを開催して、それらの成果を議論する機会を作っていきたい。