2024/08/09 更新

イシバシ　ヒデアキ
石橋　英朗
ISHIBASHI Hideaki
Scopus 論文情報 (2014～2025)
総論文数: 13  総Citation: 64  h-index: 4

Citation Countは当該年に発表した論文の被引用数

所属
大学院生命体工学研究科 人間知能システム工学専攻
職名
助教
外部リンク

取得学位

  • 九州工業大学  -  博士（情報工学）   2018年03月

学内職務経歴

  • 2019年04月 - 現在   九州工業大学   大学院生命体工学研究科   人間知能システム工学専攻     助教

論文

  • Principal Component Analysis for Gaussian Process Posteriors 査読有り 国際誌

    Ishibashi H., Akaho S.

    Neural Computation   34 ( 5 )   1189 - 1219   2022年04月

    　詳細を見る

    担当区分：筆頭著者,　責任著者   記述言語：英語   掲載種別：研究論文（学術雑誌）

    This letter proposes an extension of principal component analysis for gaussian process (GP) posteriors, denoted by GP-PCA. Since GP-PCA estimates a low-dimensional space of GP posteriors, it can be used for metalearning, a framework for improving the performance of target tasks by estimating a structure of a set of tasks. The issue is how to define a structure of a set of GPs with an infinite-dimensional parameter, such as coordinate system and a divergence. In this study, we reduce the in-finiteness of GP to the finite-dimensional case under the information geometrical framework by considering a space of GP posteriors that have the same prior. In addition, we propose an approximation method of GP-PCA based on variational inference and demonstrate the effectiveness of GP-PCA as meta-learning through experiments.

    DOI： 10.1162/neco_a_01489

    Scopus

    CiNii Research

    その他リンク： https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=85129060990&origin=inward

  • Stopping criterion for active learning based on deterministic generalization bounds 査読有り 国際誌

    Ishibashi H., Hino H.

    Proceedings of Machine Learning Research   108   386 - 397   2020年01月

    　詳細を見る

    担当区分：筆頭著者,　責任著者   記述言語：英語   掲載種別：研究論文（国際会議プロシーディングス）

    Active learning is a framework in which the learning machine can select the samples to be used for training. This technique is promising, particularly when the cost of data acquisition and labeling is high. In active learning, determining the timing at which learning should be stopped is a critical issue. In this study, we propose a criterion for automatically stopping active learning. The proposed stopping criterion is based on the difference in the expected generalization errors and hypothesis testing. We derive a novel upper bound for the difference in expected generalization errors before and after obtaining a new training datum based on PAC-Bayesian theory. Unlike ordinary PAC-Bayesian bounds, though, the proposed bound is deterministic; hence, there is no uncontrollable trade-off between the confidence and tightness of the inequality. We combine the upper bound with a statistical test to derive a stopping criterion for active learning. We demonstrate the effectiveness of the proposed method via experiments with both artificial and real datasets.

    Scopus

    その他リンク： https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=85135149649&origin=inward

  • 潜在変数モデルのメタモデリング

    古川 徹生, 石橋 英朗

    人工知能学会全国大会論文集 ( 一般社団法人 人工知能学会 )   JSAI2024 ( 0 )   2M5OS2402 - 2M5OS2402   2024年01月

    　詳細を見る

    記述言語：日本語   掲載種別：研究論文（研究会，シンポジウム資料等）

    <p>本発表では、潜在変数モデルのメタモデリングの学習理論について論じる。本発表におけるメタモデリングは、メタ学習の一種であり、複数の学習タスク集合から、モデル集合を記述するメタモデルを推定する問題である。潜在変数モデルのメタモデリングでは、タスク間で潜在変数に一貫性を持たせる必要があり、これが学習上のチャレンジとなる。本発表では、潜在変数モデルのメタ学習法について提案するとともに、最適輸送距離の観点からその理論的意味を考察する。</p>

    DOI： 10.11517/pjsai.jsai2024.0_2m5os2402

    CiNii Research

  • レベルセット推定の停止基準

    石橋 英朗, 松井 孝太, 沓掛 健太朗, 日野 英逸

    人工知能学会全国大会論文集 ( 一般社団法人 人工知能学会 )   JSAI2024 ( 0 )   2M5OS2401 - 2M5OS2401   2024年01月

    　詳細を見る

    担当区分：筆頭著者,　責任著者   記述言語：日本語   掲載種別：研究論文（研究会，シンポジウム資料等）

    <p>レベルセット推定はこれまでに得られた測定結果から次の測定点を決める適応的実験計画の一種であり，可能な限り少数のデータを用いて望ましい水準を満たさない領域を推定する問題である．レベルセット推定ではそれぞれの測定点を入力とし対応する測定結果を出力とするブラックボックス関数を考え，これまでに得られたデータから推定したサロゲート関数を用いてまだ測定していない測定点が閾値を超えるかどうかを予測する．このとき，レベルセット推定の効率は（１）次の測定点を決定する獲得関数，（２）レベルセット推定を停止するタイミングの２つによって決まる．本研究の目的はサロゲート関数が閾値を超える確率に基づいたレベルセット推定の停止基準を提案することである．提案する停止基準は任意の獲得関数に対して，サロゲート関数が閾値を超える裾確率を保証することができる．本論文ではいくつかのテスト関数に対して提案する停止基準がレベルセット推定を効率的に停止できることを示す．</p>

    DOI： 10.11517/pjsai.jsai2024.0_2m5os2401

    CiNii Research

  • ATNAS: Automatic Termination for Neural Architecture Search 査読有り 国際誌

    Sakamoto K., Ishibashi H., Sato R., Shirakawa S., Akimoto Y., Hino H.

    Neural Networks   166   446 - 458   2023年09月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）

    Neural architecture search (NAS) is a framework for automating the design process of a neural network structure. While the recent one-shot approaches have reduced the search cost, there still exists an inherent trade-off between cost and performance. It is important to appropriately stop the search and further reduce the high cost of NAS. Meanwhile, the differentiable architecture search (DARTS), a typical one-shot approach, is known to suffer from overfitting. Heuristic early-stopping strategies have been proposed to overcome such performance degradation. In this paper, we propose a more versatile and principled early-stopping criterion on the basis of the evaluation of a gap between expectation values of generalisation errors of the previous and current search steps with respect to the architecture parameters. The stopping threshold is automatically determined at each search epoch without cost. In numerical experiments, we demonstrate the effectiveness of the proposed method. We stop the one-shot NAS algorithms and evaluate the acquired architectures on the benchmark datasets: NAS-Bench-201 and NATS-Bench. Our algorithm is shown to reduce the cost of the search process while maintaining a high performance.

    DOI： 10.1016/j.neunet.2023.07.011

    Scopus

    その他リンク： https://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=85167427328&origin=inward

▼全件表示

講演

  • 能動学習の停止基準

    第42回IBISML研究会オーガナイズドセッション  2021年03月 

    　詳細を見る

    発表言語：日本語   講演種別：招待講演  

科研費獲得実績

  • 情報幾何学的メタモデリングに基づいた変分推論法のマルチタスク学習

    研究課題番号：24K15088  2024年04月 - 2027年03月   基盤研究(C)

  • Energy based model集合のメタモデリング

    研究課題番号：22K17951  2022年04月 - 2023年03月   若手研究

  • 情報幾何的階層モデリング

    研究課題番号：20K19865  2020年04月 - 2022年03月   若手研究