平成23（2011）年度　一般研究２実施報告書

課題番号	23−共研−2060		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			1
研究課題名	機械学習と統計学の共通基盤の強化
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
配分経費	研究費	40千円		旅　費		109千円		研究参加者数		5　人

研究目的と成果（経過）の概要

機械学習が進展来た過程を振り返り，機械学習と統計学の共通基盤の強化を目指す．そのために機械学習の最先端の動向を調査して，統計学との関連性について精査する．また研究会に参加して他のグループとの意見交換を行った．特に「Information geometry of U-Boost and Bregman divergence. N. Murata, T. Takenouchi, T. Kanamori and S. Eguchi. Neural Computation, 16, 7 (2004) 1437-1481.」の論文発表以来，幾つかの共同研究を継続した．

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）

以下のような関連する論文が発表された．
1. Projective power entropy and maximum Tsallis entropy distributions. S. Eguchi, O. Komori and S. Kato. Entropy 13, 10 (2011) 1746-1764.
2. Boosting learning algorithm for pattern recognition and beyond. O. Komori an d S. Eguchi. IEICE Transactions on Information and Systems, E94-D, 10, (2011) 1863-1869
3. T. Kanamori, T. Suzuki, M. Sugiyama, Statistical analysis of kernel-based least-squares density-ratio estimation. Machine Learning, 86, 3, 335-367, 2012.
4. Yu Fujimoto, Hideitsu Hino, Noboru Murata. An Estimation of Generalized Bradley-Terry Models Based on the em Algorithm. Neural Computation, 23(6):1623-1659, 2011.
5. ゲノム・プロテオミクスデータを用いた予測解析: 機械学習による新しい統計的手法. 小森 理，江口 真透．計量生物学 32, 1, (2011) 49-73

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。

平成24年3月に「機械学習と統計学の共通基盤の強化」の研究会を行った．今回はメンバーによる研究成果の意見交換が主な目的であった．次回への課題として，日程を早めに決めて，公開の研究集会を開くことを検討した．

研究参加者一覧
氏名	所属機関
金森 敬文	名古屋大学
小森 理	統計数理研究所
竹之内 高志	奈良先端科学技術大学院大学
村田 昇	早稲田大学