当サイトは、Javascriptを使用しています。Javascriptを無効にして閲覧した場合、コンテンツが正常に動作しないおそれやページが表示されない場合があります。当サイトをご利用の際には、Javascriptを有効にして閲覧下さい。

革新知能統合研究センター不完全情報学習チーム

チームディレクター杉山将（D.Eng.）

English Page

研究概要

近年、ビッグデータを用いた機械学習技術が盛んに研究され、その有効性が実証されています。しかし、応用分野によってはデータをたくさん集めるのが難しい、あるいは、そもそもデータをたくさん集められない場合もあります。当チームでは、教師付き学習、教師なし学習、強化学習などの様々な機械学習課題に対して、限られた情報からでも精度よく学習が行える新しいアルゴリズムを開発します。そして、それらのアルゴリズムの理論的な性質を明らかにするとともに、基礎科学からビジネスまで様々な実世界の応用問題に適用していきます。

研究テーマ:

不完全情報からの機械学習アルゴリズムの開発
機械学習アルゴリズムの理論解析
機械学習アルゴリズムの実世界応用

研究主分野

情報学

研究関連分野

知能情報学
知覚情報処理
統計科学

キーワード

人工知能
機械学習
弱教師付き学習
強化学習
深層学習

主要論文

1. Zhang, Z.-Y., Xie, Z., Yao, H., & Sugiyama, M.:
"Test-time adaptation in non-stationary environments via adaptive representation alignment."
Neural Information Processing Systems (NeurIPS2024), to appear.
2. Zhang, Y. & Sugiyama, M.:
"Enriching disentanglement: From logical definitions to quantitative metrics."
Neural Information Processing Systems (NeurIPS2024), to appear.
3. Wang, W., Ishida, T., Zhang, Y.-J., Niu, G., & Sugiyama, M.:
"Learning with complementary labels revisited: The selected-completely-at-random setting is more practical."
International Conference on Machine Learning (ICML2024), pp. 50683-50710, 2024.
4. Zhang, Z.-Y., Han, S., Yao, H., Niu, G., & Sugiyama, M.:
"Generating chain-of-thoughts with a direct pairwise-comparison approach to find the most promising intermediate thought."
International Conference on Machine Learning (ICML2024), pp. 58967-58983, 2024.
5. Chen, S., Niu, G., Gong, C., Koc, O., Yang, J., & Sugiyama, M.:
"Robust similarity learning with difference alignment regularization."
International Conference on Learning Representations (ICLR2024), 22 pages, 2024.
6. Wang, W., Feng, L., Jiang, Y., Niu, G., Zhang, M.-L., & Sugiyama, M.:
"Binary classification with confidence difference."
Neural Information Processing Systems (NeurIPS2023), pp. 5936-5960, 2023.
7. Zhang, Y. & Sugiyama, M.:
"A category-theoretical meta-analysis of definitions of disentanglement."
International Conference on Machine Learning (ICML2023), pp. 41596-41612, 2023.
8. Ishida, T., Yamane, I., Charoenphakdee, N., Niu, G., & Sugiyama, M.:
"Is the performance of my deep network too good to be true? A direct approach to estimating the Bayes error in binary classification."
International Conference on Learning Representations (ICLR2023), 22 pages, 2023.
9. Chen, S., Gong, C., Li, J., Yang, J., Niu, G., & Sugiyama, M.:
"Learning contrastive embedding in low-dimensional space."
Neural Information Processing Systems (NeurIPS2022), pp. 6345-6357, 2022.
10. Sugiyama, M., Bao, H., Ishida, T., Lu, N., Sakai, T., & Niu, G.:
"Machine Learning from Weak Supervision: An Empirical Risk Minimization Approach,"
320 pages, MIT Press, Cambridge, Massachusetts, USA, 2022.