平成29（2017）年度　一般研究１実施報告書

課題番号	29−共研−1017	分野分類		統計数理研究所内分野分類		h
				主要研究分野分類		3
研究課題名	海洋生物多様性データの深層学習
フリガナ 代表者氏名	エグチ シントウ 江口 真透		ローマ字		Eguchi Shinto
所属機関	統計数理研究所
所属部局	数理・推論研究系
職　　名	教授

研究目的と成果（経過）の概要

CREST海洋生物多様性プロジェクトの課題「海洋生態学と機械学習法の融合によるデータ不足下の生態系評価手法の開発 」の発展として研究された「選択的サンプリングにおける適切なダブル・ロバストな統計推測の開発」についての論文がEcosphere 2017に出版された．
非凸性による柔軟な学習性を持つ深層学習の理論的なサポートとして一般化平均と活性化関数の関連について研究した．とくに教師あり学習の中で回帰モデルと推定について情報幾何の内容で定式化を行い，海洋生物多様性のための線形モデルを超えた柔軟な学習性を持つ予測方法について11月にGSI2017で発表した．

当該研究に関する情報源（論文発表、学会発表、プレプリント、ホームページ等）

Quasi-linear score for capturing heterogeneous structure in biomarkers. K. Omae, O. Komori and S. Eguchi. BMC Bioinformatics (2017) 18:308. DOI: https://doi.org/10.1186/s12859-017-1721-x

Target-based catch-per-unit-effort standardization in multispecies fisheries. H. Okamura, S. Hotta Morita, T. Funamoto, M. Ichinokawa, S. Eguchi. Canadian Journal of Fisheries and Aquatic Sciences, 2017, 999: 1-12. DOI: https://doi.org/10.1139/cjfas-2016-0460

Robust bias correction model for estimation of global stock status in fishery. O. Komori, S. Eguchi, Y. Saigusa, H. Okamura and M. Ichinokawa. Ecosphere, 2017, 8, 12 e02038. DOI: 10.1002/ecs2.2038

Information Geometry of Predictor Functions in a Regression Model. S. Eguchi, K. Omae. International Conference on Geometric Science of Information, 561-568. Springer, Cham. DOI: https://doi.org/10.1007/978-3-319-68445-1_65

研究会を開催した場合は、テーマ・日時・場所・参加者数を記入してください。

なし．

研究参加者一覧
氏名	所属機関
市野川 桃子	水産総合研究センター
岡村 寛	独立行政法人 水産総合研究センター 中央水産研究所
小森 理	福井大学