開催日時：2021年12月03日16:10-17:40

開催場所：545演習室・オンライン

講演者：松井 孝太 先生（名古屋大学）

題目：不変性に基づく転移学習：理論と方法

概要：
　転移学習とは、他のタスクで獲得したデータや知識を現在のタスクに利用する機械学習のアプローチであり、特にデータの取得にコストがかかるなどの理由で訓練データを十分用意できない問題への応用が有望視されています。
　転移学習における最近の主流のアプローチとして、複数のドメインで共通の特徴量 (不変特徴量) を学習することで目標のタスクを効率的に解くという特徴ベースの方法が考察されています。
　本発表では、不変性が重要であることの理論的根拠として転移学習における統計的学習理論（期待リスク解析）を説明し、実際に不変性を利用した転移学習のアルゴリズムを紹介します。また、不変性のみを用いる方法の限界についても触れます。
　さらに、ドメイン間での不変な特徴量の実現方法の一つとして、特徴量を一つの潜在変数が一つの因子にのみ作用するような表現に分解する非もつれ表現 (disentangled representation) についても説明し、これを転移学習に利用するアプローチを紹介します。