講演名 2020-01-10
強化学習を用いた複数データ選択のための能動学習
田口 優介(筑波大), 日野 英逸(統計数理研), 亀山 啓輔(筑波大),
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 教師付き学習を行う際,データを新たに取得することはモデルの性能向上のためのシンプルな方法である.しかし,データ取得に際し金銭的,時間的に多大なコストがかかる状況も多く存在し,できる限り少ないデータ取得回数に抑えたいという要請がある.その要請に応える一つの方法が,能動学習である.能動学習とは,モデルの性能向上に対してより貢献するデータを選択し,少ないデータ取得回数で求める性能に近づけるというフレームワークである.本研究ではこの能動学習に焦点を当て,新規手法の提案を行う.提案手法は特に予算(データ取得の制限)がある場合にその中で最大の性能を発揮するように,データ取得の順序(コンテキスト)を考慮する能動学習を行う.これを実現するために提案法は強化学習を利用する.本研究では能動学習手法を提案し,これが既存手法に対し優位であることを示す.そして,提案法がデータ取得のコンテキストを考慮しており,限られた予算の中で高い効果を発揮することを示す.
抄録(英)
キーワード(和) 能動学習 / プールベース能動学習 / データ取得コンテキスト / 組み合わせ / 強化学習 / DQN
キーワード(英)
資料番号 IBISML2019-32
発行日 2020-01-02 (IBISML)

研究会情報
研究会 IBISML
開催期間 2020/1/9(から2日開催)
開催地(和) 統計数理研究所
開催地(英) ISM
テーマ(和) 機械学習一般
テーマ(英) Machine learning, etc.
委員長氏名(和) 鹿島 久嗣(京大)
委員長氏名(英) Hisashi Kashima(Kyoto Univ.)
副委員長氏名(和) 杉山 将(東大) / 津田 宏治(東大)
副委員長氏名(英) Masashi Sugiyama(Univ. of Tokyo) / Koji Tsuda(Univ. of Tokyo)
幹事氏名(和) 竹内 一郎(名工大) / 神嶌 敏弘(産総研)
幹事氏名(英) Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST)
幹事補佐氏名(和) 岩田 具治(NTT) / 大羽 成征(京大)
幹事補佐氏名(英) Tomoharu Iwata(NTT) / Shigeyuki Oba(Kyoto Univ.)

講演論文情報詳細
申込み研究会 Technical Committee on Infomation-Based Induction Sciences and Machine Learning
本文の言語 JPN
タイトル(和) 強化学習を用いた複数データ選択のための能動学習
サブタイトル(和)
タイトル(英) Active learning for multiple data selection using reinforcement learning
サブタイトル(和)
キーワード(1)(和/英) 能動学習
キーワード(2)(和/英) プールベース能動学習
キーワード(3)(和/英) データ取得コンテキスト
キーワード(4)(和/英) 組み合わせ
キーワード(5)(和/英) 強化学習
キーワード(6)(和/英) DQN
第 1 著者 氏名(和/英) 田口 優介 / Yuusuke Taguchi
第 1 著者 所属(和/英) 筑波大学(略称:筑波大)
University of Tsukuba(略称:Univ. of Tsukuba)
第 2 著者 氏名(和/英) 日野 英逸 / Hideitsu Hino
第 2 著者 所属(和/英) 統計数理研究所(略称:統計数理研)
The Institute of Statistical Mathematics(略称:ISM)
第 3 著者 氏名(和/英) 亀山 啓輔 / Keisuke Kameyama
第 3 著者 所属(和/英) 筑波大学(略称:筑波大)
University of Tsukuba(略称:Univ. of Tsukuba)
発表年月日 2020-01-10
資料番号 IBISML2019-32
巻番号(vol) vol.119
号番号(no) IBISML-360
ページ範囲 pp.99-106(IBISML),
ページ数 8
発行日 2020-01-02 (IBISML)