| Project/Area Number |
18K18101
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
Iwasawa Yusuke 東京大学, 大学院工学系研究科(工学部), 講師 (70808336)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2021: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2020: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2019: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2018: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | Deep Learning / Firaness / Privacy / Transfer / Adversarial Training / 敵対的学習 / プライバシー保護 / ドメイン汎化 / 不変性 / 不変表現学習 / 深層学習 / 敵対的訓練 / プライバシー / フェアネス |
|---|
| Outline of Final Research Achievements |
Throughout the research period, I achieved the following technical accomplishments:
(1) Analyzed the instability of the existing method, Adversarial Feature Learning, and proposed a solution (accepted in IJCAI2020 and other conferences). (2) Proposed a new criterion for invariance, called Sufficient Invariance, which maximizes invariance with respect to a factor of interest in an informationally novel range, and suggested methods to achieve Sufficient Invariance (accepted in ECML2019 and other conferences). (3) Proposed a framework based on graphical models to remove information from data without providing detailed information about the specific aspects the user wants to eliminate, and presented the corresponding methodology (accepted in ECML2021 and other conferences).
|
| Academic Significance and Societal Importance of the Research Achievements |
大規模言語モデルの登場などにより深層学習の実世界での活用は本格化しているが、通常の学習アルゴリズムは内部にあるバイアスを増長してしまう可能性がある。また、意図しない状況で不安定な挙動をすることがある。本研究の目的は、深層NNの表現が特定の情報を持たないように制御する要素技術の開発である。本研究成果により、未知ユーザの行動を高精度に認識したり、深層NNの判断基準が特定の因子によらないことを保証（プライバシー保護、公平性配慮）できると考えられる。
|
