相関行列に基づくスケーラブルな正則化法の機械学習諸問題への適用

• Project/Area Number: 24K02963
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61010:Perceptual information processing-related
• Research Institution: Chiba Institute of Technology
• Principal Investigator: 新保 仁 千葉工業大学, 人工知能・ソフトウェア技術研究センター, 主席研究員 (90311589)
• Co-Investigator(Kenkyū-buntansha): 重藤 優太郎 千葉工業大学, 人工知能・ソフトウェア技術研究センター, 主任研究員 (50803392)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000); Fiscal Year 2026: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000); Fiscal Year 2025: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000); Fiscal Year 2024: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000)
• Keywords: 表現学習 / 機械学習 / 正則化 / 相関行列

Outline of Research at the Start

われわれが開発した, 教師なし画像表現学習のための効率的無相関化法 [Shigeto, Shimbo et al. 2023] を発展させ, 相関行列・共分散行列を用いる機械学習タスク全般に適用できるよう一般化する. その高速性・スケーラビリティを活かし, これまで計算量・メモリ使用量の制限により, 相関に基づく正則化が未活用, もしくは十分活用できなかった機械学習タスクにおいて, 手法の汎用性と有効性を実証する.