| Project/Area Number |
22K17951
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
Hideaki Ishibashi 九州工業大学, 大学院生命体工学研究科, 助教 (30838389)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | Energy Based Model / スコアマッチング / メタ学習 / マルチタスク学習 / メタモデリング / 指数型分布族 / Energy-based model / 情報幾何学 |
|---|
| Outline of Research at the Start |
本研究では複数の類似する経験を通して得られた知識からそれらの知識に共通するより普遍的な知識を推定するメタモデリング法の学習理論を構築することを目指す．本研究の特色はEnergy-based model (EBM)集合のメタモデリング法の理論を構築することで，それぞれの経験を知識としてモデル化するモデリング法に依存しないユニバーサルなメタモデリングの学習理論構築を目指す点である．これにより既存のモデリング法のメタモデリングができるようになるだけでなく，データに合わせてシームレスに適切なメタモデリングを選択できるようになる．
|
| Outline of Final Research Achievements |
The contributions of this study are as follows:(1) We developed a meta-modeling method for a set of arbitrary exponential families using score matching. (2) We extended the method to handle a set of infinite-dimensional exponential families. (3) We proposed a meta-modeling method for a set of pretrained neural networks using denoising score matching, aimed at meta-modeling for deep learning. (4) We showed that the resulting meta-model belongs to the exponential family, thereby enabling to define an adaptive exponential families.
|
| Academic Significance and Societal Importance of the Research Achievements |
新しい環境や未知の現象に少数ショットで即座に対応することは実環境下で動く機械学習を実用化する上で重要な要素である．本研究ではこのような課題に対し，それぞれの環境や現象ごとにスコアマッチングと呼ばれる方法で学習したモデルをさらにモデル化するメタモデルを推定する方法を開発し，さまざまな問題に広く使える汎用的な手法を実現した．
|
