概要:生体信号に対して大規模言語基盤モデルのようなものは出てきていない。大規模データ計測・ベンチマーキングが必要。
産総研での募集について
ポスドク :2026-airc_0011
RA(修士1年生以上):2026-airc_0010
概要:センサや出力デバイスの発展はめまぐるしく、入出力関係が固定されたモデルは使いにくい。これに対応できる継続学習法を開発。
産総研での募集について
ポスドク :2026-airc_0002
RA(修士1年生以上):2026-airc_0001
概要:現実世界はメモリに制限があるため、無限のメモリを前提とした継続学習は実用性が低い。限られたメモリの中で効果的に情報を更新する方法を開発。
産総研での募集について
ポスドク :2026-airc_0002
RA(修士1年生以上):2026-airc_0001
概要:個人差が大きいデータを取り込んだAIモデルは個人情報を学習してしまう。タスク性能は下げず、個人情報を学習させない学習法を開発。
産総研での募集について
ポスドク :2026-airc_0004
RA(修士1年生以上):2026-airc_0003
概要:筋電位は個人差が大きく、状態識別のためにユーザのデータが1時間分ほど必要である。また、学習済みモデルにクラスを追加すると、学習した表現を大幅に喪失する破滅的忘却と呼ばれる現象が起きる。少ない計測時間でユーザのデータを計測済み他ユーザ(ソース)のように変換し、今までの表現を忘れずに新しいクラスをソースモデルに追加学習できれば、ユーザはソースの識別モデルを代用し、そのモデルを継続学習でき るインタフェースが提供できる。本研究では、まず深層転移学習に基づいたドメイン適応技術を開発する。次に、初期識別モデルのクラス数を 増加可能な継続学習法を開発し、これらを組み合わせたフレームワークを構築・応用する。
産総研での募集について
RA(修士1年生以上):2026-airc_0013