荒瀬由紀 大阪大学大学院情報科学研究科 - erato ......2018/02/26 · webデータ...
TRANSCRIPT
荒瀬由紀大阪大学大学院情報科学研究科
Relying on team spirit, expedition members defeated difficulties. <-> Members of the scientific team overcame challenges through teamwork.
パラフレーズ(言い換え表現)
自動QAや対話システムで重要な言語資源文単位のパラフレーズでは応用しにくい、チャンクではマッチングが難しい。
構文木(森)をアラインメントすることで、フレーズを単位とする文法的なパラフレーズ
を効率的に獲得するモデルを提案
Members of the scientific team overcame challenges through teamwork
Relying on team spirit expedition members defeated difficulties
VP NP VP
NPVP PP
S
S
VP
S
Relying on team spirit <-> through team work
expedition members <-> members of the scientific team
defeated difficulties <-> overcame challenges…
非線形非負行列分解を用いたディープニューラルネットワーク計算手法の開発
今倉 暁(筑波大学 システム情報系・人工知能科学センター)
2017/12/25-26 1WINTER FESTA Episode3@情報系 一橋講堂
☆背景・研究目的 背景:DNN計算が画像認識等の分野で成果をあげている
研究目的:バックプロパゲーション(BP)法と異なるアプローチの解法として、非線形非負行列分解(非線形NMF)を用いた逐次最適化法を提案する
研究内容☆提案:非線形NMFを用いた逐次最適化法
☆数値実験:画像認識(MNIST)
2017/12/25-26 2WINTER FESTA Episode3@情報系 一橋講堂
非線形NMF
各最適化は制約・正則化項付き非線形NMF
制約・正則化項付き非線形NMF
バイアス・正則化項により過学習が抑制古典的なBP法と同程度の性能
私の研究対象
小林 亮太 (国立情報学研究所)
イベント時系列: あるイベントの起きた時刻のデータ
時刻
発生
t1 t2 t3
Webデータ (Twitter, Youtubeなど)
イベント
コンテンツへのアクセス コンテンツの投稿 (動画の視聴、投稿)
データ
データ
観測期間
t1t2 t3
予測期間
N(t)=2
予測結果 問題
イベント時系列データ解析に基づくWebデータマイニング 国立情報学研究所 小林 亮太
予測
論文 Kobayashi & Lambiotte, ICWSM 2016 Proskurnia et al., WWW 2017
!
!
A E D E C C AA D
C
D B E E A D CA A E D E
A D A CA B B C A A D B E
A D E A C E DA A E E D E D C D E
A E D EA D D B C DA
A
AA
A
A
A
A
A
A
A
A
A
A
A
A
A
AA
AA
A
A
B BB
BB
B
B
BB
B BB
B
B
BB
B
B B
B
B
B B
BB
B
B
BB
B
CC
CC
C C C
C
C
C
C
C
C
C
C
C
C
C
C C
CCC
C
CC
D
D
D
D
D
D
DD
DD
D
D
D
D
D
D DD
D
D
D
E E
EE
EE
E
E
E
E
E
E
EE
EE
E
EE
Question
Worker{Experts
Question
Question
A
DA
B
C
C
C
D
D
MV
D
A
BA
B
B
C
C
D
GLAD
Question
D
A
AA
B
A
A
C
D
DARE
1234
!
☞
1234
(1, 2, 3)
(1, 2, 4)
(1, 3, 4)
(2, 3, 4)
無向グラフ ෨𝐺 = 𝑉, ෨𝐸 , 適合確率 𝑝 ∈ 0, 1入力
適合枝のみからなるマッチング𝑀 ⊆ 𝐸出力
クエリ(検査)
෨𝐺 = 𝑉, ෨𝐸 𝐺 = 𝑉, 𝐸
Stochastic Packing Integer Programs with Few Queries前原 貴憲 (理研AIP) 山口 勇太郎 (大阪大学, 理研AIP, ACT-I, 河原林ERATO, 岩田CREST)
Stochastic Matching Problem (with Few Queries)[Blum, Dickerson, Haghtalab, Procaccia, Sandholm, Sharma 2015]
• ペア臓器交換のモデル化の一種
• 検査コストが高い → クエリ回数を減らしたい
𝐴 ∈ 𝐙+𝑛×𝑚, 𝑏 ∈ 𝐙+
𝑛;
ǁ𝑐 ∈ 𝐙+𝑚:確率的目的関数ベクトル
Q.クエリ回数と解の品質のトレードオフは?
• 全ての成分にクエリする → 普通の整数計画問題
• 少ないクエリ回数で,それと遜色ない解を得たい
• 各 ǁ𝑐𝑗 は独立な確率変数で,クエリにより実現値を得られる
• 各 ǁ𝑐𝑗 の実現値は 𝑐𝑗− ≤ ǁ𝑐𝑗 ≤ 𝑐𝑗
+ を満たす(𝑐𝑗± は入力の一部)
• ǁ𝑐𝑗 = 𝑐𝑗+ となる確率は 𝑝以上(𝑝 ∈ 0, 1 は入力の一部)
Stochastic Packing Integer Programs with Few Queries
Approximately Stable Matchings with Budget ConstraintsAAAI2018 accepted
河瀬康志 (東京工業大学) 岩崎敦 (電気通信大学)
Nurse
≻
≻
cost util.
Nurse
: 7 8
: 6 5
: 4 4
budget= 10
: 3 5
: 1 2
budget= 3
1 / 1
Approximately Stable Matchings with Budget ConstraintsAAAI2018 accepted
河瀬康志 (東京工業大学) 岩崎敦 (電気通信大学)
▶ 近似的に安定なマッチングを求めるメカニズムを構築▶ オンラインナップサック問題に対するアルゴリズムを応用
Hosp. Util.Approximation Ratio
Non-Strategy-Proof mechanisms Strategy-Proof mechanisms
Additive UB: 11−s s = max cost
budget UB: ⌈1+ln(|D|−1)1−s ⌉
(incl. Proportional) LB: 11−s (if s > 1/2) LB: open
Proportional UB: 1+√5
2 (≈ 1.618) UB: 11−s
(util.∝cost) LB: 1+√5
2 (≈ 1.618) LB: open
1 / 1
計算量理論と回路最小化問題
Winter Festa Episode 3 2017年12月26日
平原 秀一
東京大学博士課程2年
日本学術振興会特別研究員(DC1)
ACT-I 「情報と未来」研究者
https://en.wikipedia.org/wiki/VLSI_Technology
論理回路
•論理回路は論理ゲートを組み合わせて構成される
ORゲート
∨
𝑥1 𝑥2
𝑥1 ∨ 𝑥2
ANDゲート
∧
𝑥1 𝑥2
𝑥1 ∧ 𝑥2
NOTゲート
¬
𝑥
¬𝑥
例: 2入力XORを計算する回路
∧
∨
¬
∧
¬
𝑥1 𝑥2
𝑥1 ⊕𝑥2
➢ 出来る限り小さいサイズ(ゲート数)の回路を求めたい。
➢ コンピュータで自動的にそのような回路を求めたい。
回路最小化問題
入力
𝒙𝟏 𝒙𝟐 𝒙𝟏 ⊕𝒙𝟐
0 0 0
0 1 1
1 0 1
1 1 0
実現したい関数𝑓: 0,1 𝑛 → {0, 1}
の真理値表と自然数𝑠 ∈ ℕ
出力
関数𝑓を計算するサイズ𝑠以下の(最小の)回路が存在するか?
(入力例)
𝑠 = 5
𝑓 =
(出力)
“YES”
(実際にXORを計算する右図のような回路が存在するので。)
(Minimum Circuit Size Problem; MCSP)
我々の成果について
成果1:現在の証明技法の限界について
成果2:平均計算量と回路最小化問題の関係
成果3:NPの中間の問題
✓ 乱択帰着の限界を示す初めての結果。
✓ MKTP ∉ coNPを示唆する初めての結果。
✓ (任意の一方向性関数の存在の下で)初めて自然なNPの中間の問題GapMCSPを構成。
[H. & Watanabe (CCC 2016)]
[H. & Santhanam (CCC 2017)]
[Allender & H. (MFCS 2017)]