プログラム
チュートリアル Part2
チュートリアル Part2
「画像処理と解析編」
8月5日(月) 13:30-15:00
「深層学習の10年間の進歩概要と今」
本谷 秀堅（名古屋工業大学）
抄録：
深層学習に関わる技術の近年の進展は目覚ましい．本講演では，まず過去10年間の深層技術の進歩を振り返る．具体的には，畳み込みニューラルネットワーク(CNN: Convolutional Neural Network)や回帰型ニューラルネットワーク(RNN: Recurrent Neural Network)やトランスフォーマー(Transformer)の要点を，画像データや言語データが持つ性質と併せて述べてみたい． 画像データや言語データは，データを構成する各要素間に複雑な統計的依存関係がある．データが構成する低次元多様体は，この統計的依存関係の表れである．画像データや言語データの性質を復習したあと，トランスフォーマーにおける注意プーリングがこの複雑な統計的依存関係を表現する手続きを概観する．ついで，自己教師学習により生成されるベクトル表現について，その効力を確認する．最期に，本チュートリアルで言及される技術の位置づけを紹介する．
「深層学習におけるドメイン適応」
庄野 逸（電気通信大学大学院情報理工学研究科）
抄録：
深層学習におけるドメイン適応は，転移学習や敵対的学習といった手法を活用して異なるドメイン間での知識転移を実現する技術として重要である．本講演では，これらの技術が発展してきた説明するとともに，様々なドメイン適応の課題とその解決策を概観する．特に，ソースドメインとターゲットドメイン間のデータ分布の違いが引き起こすパフォーマンスの低下という課題に焦点を当てる．転移学習はターゲットドメインが少数データしかないようなケースで顕在化する不確実性を担保するために有効な手法である．一方，敵対的学習は，モデルの堅牢性を向上させる手法でドメイン間の差異を最小化するといった応用が提案されている．本講演は，これらのアプローチの理論的背景と実践的な応用例を紹介し，それぞれの手法がどのようにしてドメイン間のギャップを縮め、モデルの汎用性を向上させるかを解説する予定である．
「教師データの不足を補う: 少数データに対する機械学習手法概要」
備瀬 竜馬（九州大学大学院システム情報科学研究院情報知能工学部門）
抄録：
一般的に，機械学習において，高い汎化性を持つモデルを実現するためには，大量の教師ありデータが必要となる．しかし，医療分野においては，アノテーションに専門的な知識が必要である点や個人情報保護の観点からクラウドソーシングを用いることができず，多忙な医師が様々な症例ごとに正解データを大量にアノテーションすることには限界がある．また，個人情報保護の観点から公開データセットも不十分である． 本発表では，以上の十分な数の教師データ収集の困難性へ対応するためのアプローチとして，①少数の教師データと多数の教師なしデータから学習する半教師あり学習，②データ自体を加工して，機械的にラベルを生成し表現学習を行う自己教師あり学習，③最初に与えられた教師データに加えて，学習に効果的な教師データを手法自ら選択する能動学習について，クラス分類タスクを軸に説明し，具体例として著者らが提案した手法を紹介する．
Gold Sponsor
 |
 |
|
 |
 |
Silver Sponsor
 |
 |
Bronze Sponsor
 |
 |
 |
 |
 |
