最小二乗サポートベクトルマシンによるカオス力学系のモデリングにおける最小記述長原理の適用

摘要

本研究では，最小二乗サポートベクトルマシン（LeastSquaresSupportVectorMachirleS）による関数推定においてサポートベクトルを最小記述長原理に基づくモデル選択によって刈り込むことを目指している．しかし現状ではLSSVMのサポートベクトルに対する刈り込みによるモデー」ング精度の向上は困難である．そこで本報告では，その前段階としてサポートベクトル回帰（Support?VectorRegressiom）におけるサポートベクトルの刈り込みにモデル選択アルゴリズムを適用する．そして本手法を2種類のカオス力学系のモデリングに適用し，予測精度の評価を行った．その結果，モデル選択による刈り込みによりサポートベクトル数を削減することが可能であり，さらに未知データに対する予測精度が向上することを示す．