Data reduction methods for machine learning with continual and distribution-changing data increase

• Project/Area Number: 24K15080
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: Institute of Physical and Chemical Research
• Principal Investigator: 花田 博幸 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (00793035)
• Project Period (FY): 2024-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2028: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000); Fiscal Year 2027: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2026: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2024: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
• Keywords: 機械学習 / 継続学習

Outline of Research at the Start

現在の人工知能分野においては、機械学習という、データから判断基準を学習させる手法が広く用いられている。しかし学習させるデータが時々刻々と入る環境においては、データの量が増大し続ける問題や、時間とともにデータの性質が変化する問題に対応しなければならない。
本研究ではこのような環境下で、「取り除いても影響が少ないデータ」を同定することを目的とする。まず既知の「データを取り除いても学習結果が一切変わらない」条件を「時間とともにデータの性質が変化する」場合でも利用可能にする。次いでより弱い条件「データを取り除いても学習結果が一定の範囲でしか変わらない」での最適なデータの取り除き方を新たに確立する。