プログラム
プログラムは随時更新します．
講演日程・タイトル・アブストラクト
＝＝＝＝＝＝＝＝ 11/15（金）＝＝＝＝＝＝＝＝----------------------------------------------------------------------------------------Session 1-1（13:10 - 14:40）Academic Writing for Top Conferences鈴木潤（東北大学），林浩平（PFN），山田誠（京都大学/理研AIP）----------------------------------------------------------------------------------------第1部：講演（60分）13:10-13:40 鈴木潤（東北大学）：国際会議への論文の通し方（一般論）13:40-13:55 林浩平（PFN）：国際会議への論文の通し方（機械学習の会議向け）13:55-14:10 山田誠（京都大学/理研AIP）：運営側からみた機械学習会議のしくみ
第2部：パネルディスカッション・質疑応答（30分）[Q&A集]パネリスト：鈴木潤，林浩平，山田誠
-------------------------------------------------Session 1-2（15:10 - 16:30）-------------------------------------------------鈴木雅大（東京大学）講演タイトル：深層生成モデルと世界モデル [抄録][講演スライド]アブストラクト：深層学習の分野では，データの生成過程を深層ニューラルネットワークによってモデル化する「深層生成モデル」の研究が進んでおり，画像等の生成だけでなく，表現学習や異常検知など様々な領域に応用されている．本講演では，最初に深層生成モデルについて概説し，これまでに取り組んだ，深層生成モデルを用いたマルチモーダル学習や，深層生成モデルライブラリ「Pixyz」についても紹介する．その後，深層生成モデルの発展として「世界モデル」の概要と最近の研究動向について紹介する．
鈴木雄太（総合研究大学院大学）講演タイトル：物質計測における機械学習応用と知識発見 [抄録][講演スライド]アブストラクト：物質の計測は材料科学における中心的関心の一つであり、計測の高度化に関連して多くの研究がなされてきた。自動計測や検出器の高感度化によって計測そのものの効率化が進んだ一方で、その計測データの効率的な解析は未だ課題となっている。本講演では計測データの解析における課題を紹介した後、X線を用いた物質計測データを例に、機械学習を用いたデータ解析と知識発見への取り組みについて紹介する。
-------------------------------------------------Session 1-3（17:00 - 18:10）特別講演-------------------------------------------------中山英樹（東京大学）講演タイトル：機械学習とマルチメディア認識理解 [抄録][講演スライド (8MB)]アブストラクト：機械学習は知能情報処理に関わるさまざまな応用分野においてキーテクノロジーとなっている。特に、深層学習は各分野で大きな精度向上をもたらすと同時にさまざまなメディアを透過的に接続することを可能とし、多くの新しい研究分野の開拓へつながっている。本講演では、画像認識や自然言語処理を中心に、最近のトレンドや講演者の研究事例の紹介をすると共に、今後の統計・機械学習分野の進展へ期待することについて議論したい。
＝＝＝＝＝＝＝＝ 11/16（土）＝＝＝＝＝＝＝＝-------------------------------------------------Session 2-1（10:00 - 11:20）-------------------------------------------------河野慎（東京大学）講演タイトル：機械学習技術導入によるスマートシティ実現に向けて [抄録][講演スライド (3MB)]アブストラクト：スマートシティの実現により、日々の生活の質向上が期待される。一方で、技術的・社会的な障壁が多く、依然として実現に至っていない。本発表では、これらの障壁に触れつつ、神奈川県藤沢市を始めとした国内外のスマートシティに向けた取り組みや実証実験を紹介する。自治体業務自動化に向けた機械学習技術導入による肯定的側面と否定的側面の両面について述べながら、今後解決すべき課題とその展望について説明する。
手嶋毅志（東京大学）講演タイトル：打ち切り行列の補完：天井効果の治療法 [抄録][講演スライド (2MB)]アブストラクト：本発表では閾値で打ち切られた低ランク行列の復元を考える。打ち切りは多くの科学分野に共通する統計解析の阻害要因である。しかし既存の低ランク行列補完の理論保証は打ち切りからの復元を保証しない。そこで本発表では「打ち切り行列補完」の実行可能性の理論的保証と、復元の実践的な手法を示す。また、本問題に適した正則化を示し復元誤差の確率的上界を与える。人工データと実データを用いた計算機実験の結果も示す。
-------------------------------------------------Session 2-2（13:00 - 14:20）-------------------------------------------------植木優夫（理研AIP）講演タイトル：ヒト疾患のゲノムデータ解析 [抄録]アブストラクト：SNPアレイや全ゲノムシーケンスデータといったヒトの全ゲノム情報が安価に取得できるようになり、医療への応用が進んでいる。網羅的な遺伝情報には、これまで知られていなかった疾患の遺伝的要因の発見、発症機序の解明、さらに進んで疾患発症予測アルゴリズムの構築、という個別化医療の実現に向けた重要な貢献が期待されている。本発表では、ヒト疾患のゲノムデータ解析法について概説し、現在の課題や発展的話題についても紹介する。
川島孝行（東京工業大学）講演タイトル：ロバストかつスパースな回帰モデリング [抄録][講演スライド (1MB)]アブストラクト：高次元データにおける外れ値に対処できる回帰モデリングを考えたい．本研究では，ロバストなダイバージェンスとして知られているガンマ・ダイバージェンス最小化に基づくロバストな回帰にスパース性を誘導する正則化項を加えることでロバストかつスパース回帰モデリングの枠組みを達成する．特に，一般化線形モデルを対象とした場合の効率的な推定アルゴリズムも同時に提案する．
-------------------------------------------------Session 2-3（14:50 - 16:10）-------------------------------------------------今井翔太（電気通信大学）講演タイトル：強化学習エージェントの内発的動機付けによる探索とその応用 [抄録][講演スライド (3MB)]アブストラクト：強化学習の環境で報酬の獲得機会が極めて少ない（報酬がスパースである）場合，一般的な探索手法での学習は難しい．これを解決する手法として，環境から得る外的報酬とは別に，エージェント自身が内発的に報酬を生成する，内発的動機付けによる探索が注目されている．この手法は報酬がスパースな課題に限らず，今まで強化学習で解決が困難だった様々な問題に適用可能である．本講演では，内発的動機付けの具体的手法や，それにより解決される問題，応用の可能性を解説する．
原聡（大阪大学）講演タイトル：SGDの挙動解析に基づくデータクレンジング [抄録][講演スライド]アブストラクト：精度の高い予測モデルの学習には質の高い学習データが欠かせない。本研究ではモデルの精度を劣化させる"有害"な学習データを推定する方法を提案する。提案法ではSGDの挙動解析をもとに、各学習データがモデルに与える影響の有害度を推定する。MNIST/CIFAR10において、提案法で推定された"有害"なデータを取り除くことで実際にモデルの精度が向上することを確認した。
-------------------------------------------------Session 2-4（16:40 - 18:10）チュートリアル講演-------------------------------------------------森村哲郎（日本IBM東京基礎研究所）講演タイトル：強化学習入門 [講演スライド (14MB)]アブストラクト：強化学習は逐次的意思決定を扱う機械学習の一分野です。近年、囲碁で人間に打ち勝ち、多くの人を驚かせ、注目を集めています。しかし、実際に動かしてみると、学習しない、再現性が乏しいなど、強化学習は難しいという声もよく聞きます。そこで、本チュートリアルでは、強化学習の原理の理解を目指し、数理的側面を主に紹介します。最近の話題として、深層強化学習や分布強化学習についても簡単に触れる予定です。