IEEE CIS Japan Chapter Young Researcher Award の受賞

博士課程後期の濱野君が「IEEE Computational Intelligence Society Japan Chapter Young Researcher Award」を受賞しました. この賞は12月25日〜26日にオンラインで開催された 進化計算シンポジウム2021 での発表に対して与えられたものです. 受賞対象の発表は「Genetic Driftの抑制を目的とするエントロピー正則化を導入したPBILの提案(濱野 椋希,白川 真一)」です.

IEEE YRA 2021

進化計算シンポジウム2021で研究発表しました

進化計算シンポジウム2021(12月25日〜26日,オンライン開催)で,濱野くん(D1),埜田くん(M2),山田くん(B2,ROUTEプロジェクト)が研究発表を行いました.

  • 濱野 椋希,白川 真一:Genetic Driftの抑制を目的とするエントロピー正則化を導入したPBILの提案
  • 埜田 夕平,斉藤 翔汰,白川 真一:カテゴリカル分布と構造正則化を用いた自然勾配法による畳み込みニューラルネットワークの構造探索
  • 山田 裕太郎,内田 絢斗,梅木 宏,山口 哲平,斉藤 翔汰,白川 真一:目的関数の単調増加変換に対する不変性をもつサロゲートモデルを用いた(1+1)-CMA-ESの提案

Scientific Reportsに論文が掲載されました

Scientific Reportsに下記の論文が掲載されました.この研究は横浜国立大学大学院工学研究院 福田淳二教授,大森客員教授らとの共同研究です.

Minami Masumoto, Ittetsu Fukuda, Suguru Furihata, Takahiro Arai, Tatsuto Kageyama, Kiyomi Ohmori, Shinichi Shirakawa, and Junji Fukuda: Deep neural network for the determination of transformed foci in Bhas 42 cell transformation assay, Scientific Reports, volume 11, Article number: 23344, Dec. 2021. [Link]

ACML 2021に論文が採択されました

国際会議 13th Asian Conference on Machine Learning (ACML 2021) に下記の論文が採択されました.この論文では,畳み込みニューラルネットワークと訓練ハイパーパラメータの同時最適化のためのベンチマークデータセットを提案しています.ベンチマークデータセットのAPIは,こちらから入手できます.

Yoichi Hirose, Nozomu Yoshinari, and Shinichi Shirakawa, “NAS-HPO-Bench-II: A Benchmark Dataset on Joint Optimization of Convolutional Neural Network Architecture and Training Hyperparameters,” The 13th Asian Conference on Machine Learning (ACML 2021) (Accepted) [arXiv]

CGI 2020に論文が採択されました

国際会議 Computer Graphics International (CGI) 2020 に下記の論文が採択されました.この論文では,狭い物理空間でもVRの体験を可能にするRedirected Walkingという技術を強化学習を使って効率化する手法を提案しています.

Wataru Shibayama and Shinichi Shirakawa: Reinforcement Learning-Based Redirection Controller for Efficient Redirected Walking in Virtual Maze Environment, Computer Graphics International (CGI) 2020 (Accepted)

PPSN 2020に論文が採択されました

国際会議 The Sixteenth International Conference on Parallel Problem Solving from Nature (PPSN 2020) に下記の論文が採択されました.この論文では,確率的自然勾配法に対する学習率適応法(Adaptive Stochastic Natural Gradient Method)を,目的関数に対して影響の低い変数がある場合でも有効に働くように改良しています.

Teppei Yamaguchi, Kento Uchida, and Shinichi Shirakawa: Adaptive Stochastic Natural Gradient Method for Optimizing Functions with Low Effective Dimensionality, The Sixteenth International Conference on Parallel Problem Solving from Nature (PPSN 2020) (Accepted)

ニューラルネットワークの構造最適化に関する論文がICANN 2019に採択されました

国際会議 28th International Conference on Artificial Neural Networks (ICANN 2019) に下記の論文がOral Presentationとして採択されました.この論文は,確率モデルベース最適化法を応用したニューラルネットワークの動的構造最適化手法 [Shirakawa et al. 2018]において,構造の複雑さに対する正則化項を導入することで,得られるアーキテクチャの複雑さをコントロールする方法を提案しています.

Shota Saito and Shinichi Shirakawa: Controlling Model Complexity in Probabilistic Model-Based Dynamic Optimization of Neural Network Structures, 28th International Conference on Artificial Neural Networks (ICANN 2019) (Accepted as oral presentation) [arXiv]