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]
2021年度は博士課程後期学生が4名，博士課程前期学生が14名，卒業研究生が5名でスタートしました．
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)
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)
2020年度は博士課程後期学生が2名，博士課程前期学生が13名，卒業研究生が7名でスタートしました．
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]
機械学習のトップカンファレンスである International Conference on Machine Learning (ICML 2019) に下記の論文が採択されました．この論文では，ニューラルネットワークの構造と重みパラメータを同時最適化する手法 [Shirakawa et al. 2018] を発展させ，高速・ロバスト・柔軟なニューラルネットワークの構造探索手法を提案しています．
Youhei Akimoto, Shinichi Shirakawa, Nozomu Yoshinari, Kento Uchida, Shota Saito, and Kouhei Nishida: Adaptive Stochastic Natural Gradient Method for One-Shot Neural Architecture Search, Proceedings of the 36th International Conference on Machine Learning (ICML), Vol. 97 of PMLR, pp. 171-180 (2019) [Link] [arXiv] [Code]
国際論文誌 IEEE Transaction on Evolutionary Computation に下記の論文が採択されました．この論文は，等方性ガウス分布を用いたInformation Geometric Optimization (IGO)という確率モデルベース最適化手法の凸二次関数での振る舞いを理論的に解析したものです．
Kento Uchida, Shinichi Shirakawa, Youhei Akimoto, “Finite-Sample Analysis of Information Geometric Optimization with Isotropic Gaussian Distribution on Convex Quadratic Functions,” IEEE Transactions on Evolutionary Computation (2019) (Accepted) [DOI]
2019年度は博士課程後期学生が1名，博士課程前期学生が11名，卒業研究生が5名でスタートしました．