| Project/Area Number |
21J11859
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
藤澤 将広 東京大学, 新領域創成科学研究科, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2021-04-28 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥1,500,000 (Direct Cost: ¥1,500,000)
Fiscal Year 2022: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2021: ¥800,000 (Direct Cost: ¥800,000)
|
|---|
| Keywords | 信頼性 / 安定性 / ロバスト性 / 近似推論 / 近似ベイズ計算 / 変分推論 / ベイズ推論 / 機械学習 / シミュレーション / 分散抑制 |
|---|
| Outline of Research at the Start |
本研究課題では，「如何にして，各分野の専門家が，幅広い統計モデルを安心して応用できる社会を実現するか」を考える．複雑な統計モデルの自動的な推論を可能にする近似自動推論は，統計モデル構築の柔軟性向上を実現したが，（１）推論の不安定性，（２）ノイズに対する脆弱性の２つの課題が統計モデリングの社会浸透の妨げとなっていた．本研究では，この２点の課題を克服する近似自動推論法を確立し，様々なモデルを安心して応用できる社会の構築，及び統計モデリングの社会実装の加速を目指す．
|
| Outline of Annual Research Achievements |
統計モデリングの社会浸透の妨げとなっている理由として挙げていた，複雑なモデルの自動的推論を可能にする近似自動推論の「（１）推論の不安定性」及び「（２）外れ値に対する脆弱性」を克服する手法の開発は，論文化という意味では前年度にて既に達成したため，本年度では，研究成果のアウトリーチ活動を中心に行なった．特に，課題（２）についての成果については，フィンランドにて開催されたベイズ推論に関する国際会議BayesComp2023のサテライトワークショップにて，招待講演の題目に採用され，研究代表者が講演を行った．今後の研究の方向性としては，（１）にて開発した「過去のパラメータ履歴」を用いた分散抑制を含め，近似自動推論における分散抑制がなぜ汎化性能を向上させるのかについての理論解析や，（２）のアイデアを，従来のベイズ推論を一般化した「一般化ベイズ推論」の枠組みまで拡張し，モデル構築の柔軟性を保ちつつ，外れ値やモデルの誤設定に頑健な近似自動推論法を開発することを考えている．
また，課題（１）は近似自動推論における安定的な最適化についての研究であったを鑑みれば，開発手法を近似自動推論を超えた一般的な機械学習フレームワークにおける最適化（例えば確率的勾配降下法など）へと拡張することも重要な課題である．
理論と手法開発の両面からの研究アプローチを通して，本研究課題の最終目標として掲げた「柔軟で信頼性の高い近似自動推論を通した統計モデリングの社会実装の加速」の実現に向けて邁進する所存である．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
