| 02 |
少ないデータで高精度な空間予測を実現しますニューラルガウス過程に基づくメタ学習技術 
|
|---|
| どんな研究 |
機械学習で空間データの予測精度を高めるためには十分な量のデータが必要です。本研究では、複数の地域やセンサのデータから学習の仕方を学習する新たなメタ学習技術を提案し、異なる地域やセンサの少量のデータからでも空間予測の精度を向上できるようにしました。 |
|---|---|
| どこが凄い |
複雑なデータを扱うことが可能な深層学習と、少量データしかない場合に効率的な学習が可能なガウス過程を融合した、ニューラルガウス過程モデルをメタ学習に新たに組み入れることにより、効果的な学習を実現しました。本技術により、従来法に比べ高い空間予測精度を達成しました。 |
| めざす未来 |
本技術は、少数の観測地点データに基づく大域的な大気汚染状況の把握や、短期間データからの交通量予測などに応用できます。今後、メタ学習技術をさらに発展させ、少量データしか得られない場合でも正確で信頼性の高いAIを構築可能にし、AIの活用シーンを拡大していきます。 |
[1] T. Iwata, Y. Tanaka, “Few-shot learning for spatial regression via neural embedding-based Gaussian processes,” Machine Learning, Vol. 111, p. 1239-1257, 2022.
[2] T. Iwata, Y. Tanaka, “Symplectic neural Gaussian processes for meta-learning Hamiltonian dynamics,” in Proc. The 33rd International Joint Conference on Artificial Intelligence (IJCAI), 2024.
[3] T. Iwata, A. Kumagai, “Meta-learning to calibrate Gaussian processes with deep kernels for regression uncertainty estimation,” Neurocomputing, Vol. 579, 2024.
岩田 具治（Tomoharu Iwata）協創情報研究部 知能創発環境研究グループ