| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-12-20 10:50 ガウス過程回帰モデルによるテスト分布を考慮した能動学習 ○大藏芳斗（名大）・竹野思温（名大/理研）・稲津 佑（名工大）・青山竜也・田中智成・赤羽智志（名大）・花田博幸・橋本典明（理研）・村山太朗・李 翰柱・小嶋信矢（デンソー）・竹内一郎（名大/理研）  IBISML2024-37 |
|
| 抄録 | （和） | 能動学習は適応的にデータを収集することで少ないデータ数で予測精度の高いモデルを構築する手法である. 通常, 能動学習では全ての候補に対して一様に予測精度を高めるようにデータを収集する. 一方, 実践的にはテスト時のデータ分布が一様でない未知の分布である場合が多い. 本研究では, ガウス過程回帰モデルを用いた未知のテスト分布に対して有効な能動学習手法を提案し, 画像分類問題に対する実験を通じてその性能を評価する. |
| （英） | Active learning is a method to construct a model with high prediction accuracy with a small number of data by adaptively collecting data. Generally, active learning collects data in such a way that the prediction accuracy is uniformly improved for all candidates. On the other hand, in practice, it is often the case that the data distribution for testing is not uniform and is unknown. In this paper, we propose an effective active learning method for unknown test distributions using a Gaussian process regression model and evaluate its performance through experiments on image classification problems. | |
| キーワード | （和） | 能動学習 / ガウス過程回帰モデル / 分布ロバスト / / / / / |
| （英） | Active learning / Gaussian Process regression model / Distributionally robust / / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 321, IBISML2024-37, pp. 41-48, 2024年12月. | |
| 資料番号 | IBISML2024-37 | |
| 発行日 | 2024-12-13 (IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2024-37 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2024-12-20 - 2024-12-21 |
| 開催地（和） | 北海道大学大学院環境科学院棟講義室１(D101) |
| 開催地（英） | Lecture room 1 (D101), Graduate School of Environmental Science |
| テーマ（和） | 生成AI、機械学習一般 |
| テーマ（英） | generative AI, machine learning |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2024-12-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | ガウス過程回帰モデルによるテスト分布を考慮した能動学習 |
| サブタイトル（和） | |
| タイトル（英） | Active learning considering test distribution with Gaussian process regression model |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 能動学習 / Active learning |
| キーワード(2)（和/英） | ガウス過程回帰モデル / Gaussian Process regression model |
| キーワード(3)（和/英） | 分布ロバスト / Distributionally robust |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 大藏 芳斗 / Yoshito Okura / オオクラ ヨシト |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 竹野 思温 / Shion Takeno / タケノ シオン |
| 第2著者 所属（和/英） | 名古屋大学/理化学研究所 (略称： 名大/理研) Nagoya University/RIKEN (略称： Nagoya Univ./RIKEN) |
| 第3著者 氏名（和/英/ヨミ） | 稲津 佑 / Yu Inatsu / イナツ ユウ |
| 第3著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NITech) |
| 第4著者 氏名（和/英/ヨミ） | 青山 竜也 / Tatsuya Aoyama / アオヤマ タツヤ |
| 第4著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 田中 智成 / Tomonari Tanaka / タナカ トモナリ |
| 第5著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 赤羽 智志 / Satoshi Akahane / アカハネ サトシ |
| 第6著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第7著者 氏名（和/英/ヨミ） | 花田 博幸 / Hiroyuki Hanada / ハナダ ヒロユキ |
| 第7著者 所属（和/英） | 理化学研究所 (略称： 理研) RIKEN (略称： RIKEN) |
| 第8著者 氏名（和/英/ヨミ） | 橋本 典明 / Noriaki Hashimoto / ハシモト ノリアキ |
| 第8著者 所属（和/英） | 理化学研究所 (略称： 理研) RIKEN (略称： RIKEN) |
| 第9著者 氏名（和/英/ヨミ） | 村山 太朗 / Taro Murayama / ムラヤマ タロウ |
| 第9著者 所属（和/英） | 株式会社デンソー (略称： デンソー) DENSO CORPORATION (略称： DENSO) |
| 第10著者 氏名（和/英/ヨミ） | 李 翰柱 / Lee Hanju / リ ハンジュ |
| 第10著者 所属（和/英） | 株式会社デンソー (略称： デンソー) DENSO CORPORATION (略称： DENSO) |
| 第11著者 氏名（和/英/ヨミ） | 小嶋 信矢 / Shinya Kojima / コジマ シンヤ |
| 第11著者 所属（和/英） | 株式会社デンソー (略称： デンソー) DENSO CORPORATION (略称： DENSO) |
| 第12著者 氏名（和/英/ヨミ） | 竹内 一郎 / Ichiro Takeuchi / タケウチ イチロウ |
| 第12著者 所属（和/英） | 名古屋大学/理化学研究所 (略称： 名大/理研) Nagoya University/RIKEN (略称： Nagoya Univ./RIKEN) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-12-20 10:50:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2024-37 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.321 |
| ページ範囲 | pp.41-48 |
| ページ数 | 8 |
| 発行日 | 2024-12-13 (IBISML) |
[研究会発表申込システムのトップページに戻る]