第53回IBISML研究会

以下のスケジュールにて、電子情報通信学会 情報論的学習理論と機械学習 (IBISML) 研究会 (第53回) を開催します。今回の研究会は、電子情報通信学会「パターン認識・メディア理解（PRMU）研究会」及び情報処理学会「コンピュータビジョンとイメージメディア (CVIM）研究会」との連催になります。今回はテーマを「機械学習の理論と応用の広がり」とし、機械学習の理論から応用までの研究に関する一般発表を広く募集します。是非ご発表をご検討頂けましたらと思います。

開催概要

  • 【開催日時】2024/3/3 (日) 〜 4 (月)
  • 【開催場所】広島大学 東広島キャンパス 経済学部講義棟155/157/159講義室 （地図: N13）
  • 【開催形態】一般発表は現地のみ。招待講演のみオンライン配信あり
  • 【問合せ先】岩田具治（日本電信電話）tomoharu.iwata at ntt.com
  • 【担当幹事】岩田具治（日本電信電話）、鈴村真矢（ヤフー株式会社）、馬場雪乃（東京大学）、二反田篤史（九州工業大学）

プログラム

企画セッション（招待講演）

「機械学習の理論と応用」，2024/3/3 (日) 10:30～12:30

  • 熊谷 亘 (東大)「機械学習研究の自動化へ向けて」
    文明の進歩は、科学技術の発展によって大きく推進されてきました。歴史を通じて、科学技術は人間の手によって進められてきましたが、将来的には人間の能力の限界に由来する課題に直面する可能性があります。このような課題に対応し、科学の発展効率を高めるためには、自動化された研究に焦点を当てることが重要な取り組みとなっています。本講演では、自動研究を進める上での人工知能と機械学習技術の役割について掘り下げます。具体的には、機械学習の最近の進歩が、機械学習研究自体の自動化にどのように役立つかに焦点を当てます。
  • 園田 翔 (理研)「群表現論に基づく深層ニューラルネットのリッジレット変換」
    リッジレット変換とは，ニューラルネットが関数 f を実現するためのパラメータ γ を与える作用素である．これまで，具体的なリッジレット変換が知られているネットワーク構成は限られていた．講演者らの最近の研究により，多様体上の全結合層や，群畳み込み層，形式的な深層ニューラルネットに対してリッジレット変換を系統的に導出できるようになった．本講演では，ニューラルネットと積分表現理論の概要を説明し，リッジレット変換の自然な導出法について解説する．
  • 幡谷 龍一郎 (理研)「勾配法を用いたハイパーパラメータ最適化」
    機械学習の応用にはハイパーパラメータ最適化が不可欠である。広く用いられているブラックボックス最適化は勾配情報を用いないため計算コストが大きく、深層学習のように多くのハイパーパラメータが関与する場合には適用が難しい。そのため、勾配情報を利用して効率的な最適化を行える、勾配法を用いたハイパーパラメータ最適化（gradient-based hyperparameter optimization）の研究が進められている。このアプローチは対象が微分可能な問題に限定されるものの、多くのハイパーパラメータを高速に最適化することが可能で、ニューラルネットワークの構造最適化やデータ拡張の探索などにも応用されている。本講演では、勾配法を用いたハイパーパラメータ最適化について、最近の研究動向を講演者の研究も含めて紹介する。

参加申込

発表申込