革新知能統合研究センター 不確実性定量化チーム
チームディレクター 二見 太（Ph.D.）
研究概要
機械学習の応用が広がる中で、予測精度のみならず、その確からしさ＝不確実性を定量的に把握し、予測の信頼性を高めることが重要となっています。当チームでは、こうした予測の不確実性を評価・制御するための理論的枠組みやアルゴリズムの開発に取り組みます。そのために統計的学習理論や情報理論、ベイズ統計の手法を活用し、予測確率の較正（キャリブレーション）、統計的不確実性（epistemic uncertainty）、および隠れ変数モデルなどに関連した研究を推進します。これら数理的基盤の深化を通じて、信頼性の高い機械学習の実現を目指します。
研究主分野
- 情報学
研究関連分野
- 工学
- 数物系科学
- 知能情報学関連
- 統計科学関連
- 情報学基礎論関連
キーワード
- 機械学習
- ベイズ推論
- 不確実性評価
主要論文
- 1.
F. Futami.
"Epistemic Uncertainty and Excess Risk in Variational Inference."
To be appeared in Artificial Intelligence and Statistics, 2025. (In press). - 2.
F. Futami & M. Fujisawa.
"Information-theoretic Generalization Analysis for Expected Calibration Error."
Advances in Neural Information Processing Systems, 37, 84246--84297, 2024. - 3.
F. Futami & T. Iwata.
"Information-theoretic Analysis of Bayesian Test Data Sensitivity."
Proceedings of 27th International Conference on Artificial Intelligence and Statistics, 238, 1099-1107, 2024. - 4.
F. Futami & M. Fujisawa.
"Time-Independent Information-Theoretic Generalization Bounds for SGLD",
Advances in Neural Information Processing Systems, 36, 8173-8185, 2023.
関連リンク
メンバーリスト
主宰者
- 二見 太
- チームディレクター
お問い合わせ先
〒560-8531 大阪府豊中市待兼山町1-3
大阪大学大学院基礎工学研究科I403