2021 Fiscal Year Annual Research Report
複雑な関係データに基づく意思決定のための機械学習研究
| Project/Area Number |
20H04244
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 機械学習 / 人工知能 / 因果推論 / 意思決定 |
|---|
| Outline of Annual Research Achievements |
昨年度に引き続き、機械学習の適用可能性を広げることを目的として、グラフ構造などの複雑な構造を有するデータを対象とした深層学習法の高性能化を目指し、従来のモデルより効率的なモデルの開発の特定を行った。まず、近年著しく性能を伸ばしているグラフニューラルネットワークについて、その計算を理論的に定数時間で実現できる手法を開発した。この研究は、従来多くの計算資源を必要とする深層学習の効率化に大きく貢献するものである。
また、意思決定により直接的に寄与する因果効果、とりわけ個別のデータに対する因果効果の推定手法を、現実世界のより複雑な意思決定問題に対応できるようにするための研究を行う。とくに、薬剤などのグラフ構造として表現できる情報をもつ複雑な介入の効果推定を高精度で行うことのできる深層学習手法を開発した。これによって、従来は比較的少数の種類の介入のみに限定されてきた介入効果推定の適用範囲を大きく広げることが期待できる。
また、機械学習の実応用検討については、麻酔医の判断を機械学習によって予測することによる麻酔自動化を目指した検討や、介入効果推定を用いた、論文の適切な投稿先推薦システムの検討など、実データを用いた検証を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
グラフ構造を扱う深層学習法の研究に大きな進展が見られた。
|
| Strategy for Future Research Activity |
引き続き、機械学習の適用可能性を広げることを目的として、理論と応用の両面からの検討を行っていく。とくに、より複雑で現実的な設定における介入効果推定手法には、未観測変数の許容や、実応用への展開など、多くの課題が残されている。研究期間の後半へ向けて、これまでの研究の統合についても検討していく。
|
