データ分析の適用範囲を広げるバラバラなデータの回帰分析を世界で初めて実現 ～「万能近似能力」を持つ深層学習によるデータ分析の適用領域の拡大～

[画像1]https://digitalpr.jp/simg/2341/87463/500_415_20240425192856662a306839b97.JPG




[画像2]https://digitalpr.jp/simg/2341/87463/500_351_20240425192856662a30683e8bf.JPG


3．データ分析手法のポイント
　今回、従来の手法とは異なる方法で対応関係の失われたデータから回帰関数を推定することを可能としています。ポイントは大きく２つあります。

●入力と出力の対応関係である確率の高い候補の集合を効率的に生成し、 目的関数を近似
ありうる対応関係は全部で要素数の階乗個存在するため、これら全ての対応関係を扱うことは困難です。これに対しNTTは、確率の高い候補の集合が要素の大小順序の並べ替え操作等により得られることを示し、各候補が実際の対応関係である確率で重み付けることで、近似的な目的関数(パラメタ推定のために最小化する関数)を導くことに成功しました。

●確率的勾配法を用いた目的関数の最小化
目的関数の最小化にニューラルネットワークのパラメタ推定に広く利用される確率的勾配法(※２)を利用した点です。
これによりパラメタ数が多いニューラルネットワークであっても局所解に陥ることを防ぎ、より優れた解へ到達することが可能になりました。

4. 今後の展開
　今後も引き続きデータ分析の適用領域拡大に向けて、データに偏りや個人差があるなどより現実的な場面におけるヒトを対象としたデータ分析を実現する手法の確立と、応用の検討を進めてまいります。

【用語解説】
※１ 万能近似能力
ニューラルネットワークを用いることで連続関数のような非常に幅広いクラスに属する任意の関数を任意の精度で近似できる性質のこと）

※２ 確率的勾配法
Stochastic Gradient DescentやAdamと呼ばれる方法が代表的