運営委員が増えました．
加藤 譲（FUN* 複雑系コース）
香取 勇一（FUN 複雑系コース）
加納 剛史（FUN 知能コース）
栗川 知己（FUN 複雑系コース）
佐藤 直行 （FUN 複雑系コース）
島内 宏和（FUN 複雑系コース）
高木 清二 （FUN 知能コース）
竹之 内 高志（政策研究大学院大学）
田中 吉太郎（FUN 複雑系コース）
山田 恭史（FUN 複雑系コース）
由良 文孝（武蔵野大学 工学部 数理工学科）
義永那津人（FUN 複雑系コース）
*FUN:公立はこだて未来大学 システム情報科学部 複雑系知能学科の略称
開催日時：2025年 12/15(月) 16:30 - 18:00
ハイブリッド形式（対面・オンライン併用）で開催します．zoomURLの案内が届くオンライン参加登録はこちらから。
場所： 公立はこだて未来大学 研究棟 R791教室
講演者：栗川 知己 (公立はこだて未来大学・准教授)
講演題目： Fluctuation Learning Relationship in neural networks*
概要：学習速度は、タスク構造と学習前の神経活動の性質の両方に依存するが、これらを結びつける理論はこれまで知られていない。本研究では学習前の神経活動ゆらぎと学習速度を結びつける関係を導出した。まず、学習の初期での学習速度は、学習前の自発的な活動の自発活動の共分散と、ネットワークの入力によって誘発される応答に比例し、これは学習ルールによらないことをしめした。次に、ヘブ型学習の場合、初期速度は、ターゲット方向と入力方向に沿った自発活動の分散に比例して変化する。これらの結果は、入出力マッピングや時系列生成など、様々なタスクで成立する。多様なモデルを用いた数値シミュレーションにおいて、これらの関係の妥当性を検証した。この結果は、学習前のダイナミクスとタスクの方向との幾何学的関係が、タスクの詳細とは独立して、いかに学習速度を決めるかを明らかにしている。
*本講演は2025年11月に採択された以下の論文を中心にご講演頂く予定です。
Kurikawa, Tomoki, and Kunihiko Kaneko. "Fluctuation-learning relationship in recurrent neural networks." Nature Communications 16.1 (2025): 9663.
https://www.nature.com/articles/s41467-025-64976-w.pdf
開催日時：2025年 6/24(火) 16:30 - 17:30
対面で開催します．
場所： 公立はこだて未来大学 研究棟 R791教室
講演者： 野村 怜佳氏(東北大学災害科学国際研究所・助教)
講演題目： 数値シミュレーションとデータサイエンスの融合による津波リスク評価技術の開発
概要：南海トラフ巨大地震・津波などで予想されるような陸域への浸水・遡上が非常に早い津波災害の場合、即時的かつ信頼性の高いリアルタイムリスク予測が重要となる。地震発生直後の不確実な断層情報に基づいたリアルタイムリスク予測は、特にその信頼性を確保するため数値シミュレーション以外の様々な技術を分野横断的に採用することが有効である。本講演では、津波シミュレーション、固有値直交分解を用いた教師なし学習、ベイズ推論に基づく最尤シナリオ推定などを統合した、新たなリアルタイム津波評価手法を紹介する。