Japanese
English
▼研究分野｜学習数理情報学
機械が学習するということはどういうことか？ これを「情報量」、「データ圧縮」という視点から解き明かし、データマイニングといった現実問題の中で活かしていくことがテーマです。
私が学習理論を発展させる上での哲学は、「学習するということは、データを最も圧縮するための表現を見つけることに他ならない」というものです。これを科学的に形式化したものがMinimum Description Length原理（MDL Principle）です。
学習数理情報学における両輪(下図参照)
理論研究:情報論的学習理論/計算論的学習理論/情報理論/統計的推論/Latent Dymanics
応用研究:機械学習/データマイニング（異常検出/ネットワークマイニング）/テキストマイニング
■ 確率的知識の学習理論の研究
■ 確率的コンプレキシティの拡張と機械学習応用の研究
■ データ・テキストマイニングの研究
異常検知:
技術: 外れ値検出/変化点検出・異常行動検出/集合型異常検知/隠れ変数マイニング
ビジネス領域: セキュリティ/詐欺検出/不審行動検出/製造業における障害検知/セットワーク障害検出
知識構造化:
技術: テキスト分類/トピック分析/自由記述アンケート分析
事業領域: CRM（Customer Relationship Management)/ナレッジマネジメント/ CGM(Consumer Generated Medias)分析
■ ビッグデータ解析の研究
基礎理論：
潜在構造最適化、潜在的ダイナミクス
応用:
マーケティング、交通リスクマイニング、ヘルスケア