About us


Last Update: October 28, 2019

keywords

本研究室は,横浜国立大学 大学院環境情報学府 情報環境専攻 および 理工学部 数物・電子情報系学科 情報工学EP の所属です.

本研究室では,人間のような柔軟な知能や人間を超える知的な処理をロボットやコンピュータで実現することを大目標に,進化計算,機械学習,画像処理・認識といった技術の研究開発を幅広く行っています.


研究分野

大きな括りでは「人工知能」や「知能情報処理」と呼ばれる分野の研究をしており,基礎アルゴリズムの開発とそれらの実問題への応用の両面から研究を進めています.

例えば,次に挙げるような研究テーマを実施していますが,これらに限らず知能情報処理に関わるテーマ全般に取り組むことが可能です.


ディープラーニングは画像認識や自然言語処理で高い性能を示し,様々な分野へ応用されていくことが期待されていますが,その性能を最大限に発揮するためには,データや問題に合わせて適切なネットワーク構造を設計する必要があります.この設計作業は通常,人手によって行われますが,経験や試行錯誤が要求されるため非常にコストが高いという問題があります.これに対して,問題に合わせたディープニューラルネットワークの構造を自動的に探索する方法を提案しています.進化計算によって畳み込みニューラルネットワークの構造探索を行った論文は,進化計算のトップ国際会議GECCOでBest Paper Awardを受賞しました.

ディープニューラルネットワークの構造探索は,非常に計算コストが高いことが問題となっていましたが,構造パラメータに対する確率分布を導入することで,通常のニューラルネットワークの学習と同じように,勾配ベースの構造最適化が可能になることを示しました.AAAI 2018の論文では,一回のニューラルネットワークの学習中に構造最適化も実現する効率的な方法を提案しています.この方法を理論的な解析に基づき大幅に効率化した研究 [Akimoto et al., 2019] では,既存の手法が数日かかって発見していたような構造を数時間で発見することができました.これらの研究は筑波大学の秋本先生との共同で実施したものです.

  • S. Shirakawa, Y. Iwata, and Y. Akimoto, “Dynamic Optimization of Neural Network Structures Using Probabilistic Modeling,” AAAI 2018 [Link] [arXiv]
  • Y. Akimoto, S. Shirakawa, N. Yoshinari, K. Uchida, S. Saito, and K. Nishida, “Adaptive Stochastic Natural Gradient Method for One-Shot Neural Architecture Search,” ICML 2019 [Link] [arXiv] [Code] [Poster]

ブラックボックス最適化アルゴリズムの研究

目的関数の微分可能性や凸性を仮定しないブラックボックス最適化法は適用範囲が広く,現実の様々な問題に応用することができます.例えば,機械学習のハイパーパラメータ最適化や解の評価に数値シミュレーションを必要とする問題に対して有望な方法です.ブラックボックス最適化の代表的な手法に進化計算やベイズ最適化がありますが,それらのアルゴリズムの効率化や理論的な解析に取り組んでいます.最近は,確率モデルに基づくブラックボックス最適化アルゴリズムであるInformation Geometric Optimization (IGO)の改良や理論解析を行っています.

  • K. Uchida, S. Shirakawa, and Y. Akimoto, “Finite-Sample Analysis of Information Geometric Optimization with Isotropic Gaussian Distribution on Convex Quadratic Functions,”” IEEE Transactions on Evolutionary Computation (2020) [DOI]
  • S. Shirakawa, Y. Akimoto, K. Ouchi, and K. Ohara, “Sample Reuse in the Covariance Matrix Adaptation Evolution Strategy Based on Importance Sampling,” GECCO 2015 [DOI] [Paper] [研究紹介スライド]

こららのブラックボックス最適化の研究は,機械学習のハイパーパラメータ最適化やAutomated Machine Learning (AutoML) と呼ばれる機械学習の自動化技術にも応用することができます.こららの研究をベースに,ニューラルネットワークの構造探索や特徴選択のためのアルゴリズムを開発しています.

  • S. Saito and S. Shirakawa, “Controlling Model Complexity in Probabilistic Model-Based Dynamic Optimization of Neural Network Structures,” ICANN 2019 [DOI] [arXiv]

機械学習によるジェスチャの自動生成

ロボットや擬人化エージェントなどの人型インタフェースが普及していますが,これらのジェスチャ動作は手動で与える必要があり,開発者の大きな負担になっています.この研究では,機械学習や深層学習を応用することで,テキストや音声データからジェスチャの自動生成の実現を目指しています.この研究は,北海道学園大学の長谷川先生,青山学院大学の金子先生らと共同で進めています.

  • 金子直史,竹内健太,長谷川大,白川真一,佐久田博司,鷲見和彦:Bi-Directional LSTM Networkを用いた発話に伴うジェスチャの自動生成手法人工知能学会論文誌 (2019) [DOI]
  • 浅川栄一,白川真一,長谷川大:ニューラルネットワークを用いた発話テキストに対応するジェスチャの自動生成計測自動制御学会システム・情報部門学術講演会2017(SSI 2017)

機械学習のアルゴリズム開発と応用

機械学習やパターン認識と呼ばれる技術では,データから有用な知識や規則を獲得することが目的となります.例えば,深層学習の医用画像への応用,高速かつ高精度な類似検索のためのアルゴリズム開発,VRプレイ中の生体データの解析などの研究を行っています.また,大阪大学の牧先生との共同研究で,強化学習による船舶の着桟制御などにも取り組んでいます.

  • K. Uchida, S. Saito, P. D. Pamungkasari, Y. Kawai, I. F. Hanoum, F. H. Juwono, and S. Shirakawa, “Joint Optimization of Convolutional Neural Network and Image Preprocessing Selection for Embryo Grade Prediction in In Vitro Fertilization,” ISVC 2019
  • 塩本龍昇,白川真一,内田秀継,松濤智明,名田元,安部登樹:確率的表現を用いたバイナリハッシュによる近似近傍探索の高精度化と生体認証への応用第8回バイオメトリクスと認識・認証シンポジウム(SBRA2018)
  • 柴山航,白川真一,江崎健司:VRトレーニングの繰り返しによる心拍データ変化の解析第28回インテリジェント・システム・シンポジウム(FAN 2018)
  • 清水彰馬,岡田凱,白川真一,牧敦生,梅田直哉:Adversarial Inverse Reinforcement Learningによる着桟制御則の獲得に関する研究日本船舶海洋工学会講演会 (2019)

産学連携研究・異分野融合研究の推進

継続的に企業との共同研究も実施しています.実際の現場で取得されるデータを機械学習技術やを使って分析したり,実問題を解決するためのアルゴリズムを開発しています.また,これまで機械学習が活用されてこなかった分野との共同研究も積極的に取り組んでいます.


学生募集

大学院生(博士課程前期・博士課程後期)

大学院環境情報学府の大学院博士課程後期(博士課程)および大学院博士課程前期(修士課程)の学生を受け入れています.入試の詳細は大学院のページを参照ください.大学院入試で当研究室を志望する場合は事前に教員に連絡するようにお願いします.事前に研究室見学をしてもらえると研究室の雰囲気がわかるので良いと思います.

学部生(卒業研究・課題研究・ROUTE)

横浜国立大学 理工学部 数物・電子情報系学科 情報工学EPの4年生を卒業研究生を受け入れています.2〜3月に卒業研究配属者向けの研究室説明会が開催されますので,配属を希望する方は参加するようにしてください.また,課題研究やROUTEといったプログラムを使って3年生以下でも本研究室で研究活動をすることができます.

研究生

現在は研究生の受け入れはしていません.