| 研究課題/領域番号 |
17H04693
|
|---|
| 研究種目 |
若手研究(A)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
佐藤 一誠 東京大学, 大学院情報理工学系研究科, 准教授 (90610155)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
25,090千円 (直接経費: 19,300千円、間接経費: 5,790千円)
2019年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2018年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2017年度: 10,660千円 (直接経費: 8,200千円、間接経費: 2,460千円)
|
|---|
| キーワード | 機械学習 / 生成モデル / 学習アルゴリズム / 表形式 / データ拡張 / ドメイン適応 / 敵対的学習 / 深層学習 / ベイズニューラルネット / 逐次学習 / 離散構造 / 深層信念ネットワーク / 再パラメータ化 / 局所期待勾配 |
|---|
| 研究成果の概要 |
近年機械学習分野における生成モデルの発展は目覚ましく，現実的に存在しない人の画像や動画などが人の目には区別がつかないレベルまでになっている．しかし，そのような生成モデルの学習は，通常の識別モデルの学習とは異なり，目的関数の最適化の難しさに起因する学習の不安定性や生成物の評価の難しさに起因する定式化の非自明さなどが相まって，学習手法には多くのヒューリスティックスを要する場合が多い．本研究では，学習の不安定さの解明・緩和と既存研究ではほとんど取り扱われていなかった表形式のデータに関する生成モデルの開発と少数データ解析への応用に関して取り組みICMLなどの難関国際会議で発表した．
|
| 研究成果の学術的意義や社会的意義 |
生成モデルは通常の機械学習における識別モデルによる予測とはことなり，現実には存在しないデータを生成する．現在では，画像や動画などの生成において人が認識できないレベルまで到達しており，人が数時間数日かけて作成するようなものでも数秒で生成してしまう．これは人の創作活動において大きな変革をもたらす可能性を秘めている．しかし，その学習アルゴリズムは未だに解明できていないことも多く，特に学習の不安定さは問題で，学習アルゴリズムに対して多くのヒューリスティックスと試行錯誤が必要となる．本研究では，学習の安定性に関する基礎研究を行い，また生成モデルの適用範囲を表形式データに拡張し，少数データ解析へ応用した．
|
