メニュー
◆Dr. Andrzej Cichocki (ポーランド、ポーランド科学アカデミー、教授)
◆講演タイトル：“‘Simplicity is the ultimate sophistication’ : Cross Tensor Approximation Methods and their Applications in Machine Learning and Signal / Image Processing”
◆Dr. Gene Cheung (カナダ、ヨーク大学、准教授)
◆講演タイトル：”Efficient Signed Graph Sampling via Balancing & Gershgorin Disc Perfect Alignment”
◆日時：2022年7月28日(木)
◆会場：Zoom
◆言語：英語
◆開催担当者：田中 雄一 教授 （グローバルイノベーション研究院 ライフサイエンス分野 田中雄一チーム）
◆開催案内
◆参加人数： 64名
講演概要
本セミナーは，アジア太平洋信号情報処理協会（APSIPA）日本支部の共催で開催した．Cichocki特任教授は，信号処理や生体情報処理を専門とし，IEEE Fellowである．以前は理化学研究所において教授を務めた経験があるなど，我が国の学術界に対して深いつながりがある．Cheung特任教授は信号処理や画像処理を専門とし，IEEE Fellowである．信号処理の専門誌 IEEE Signal Processing Letters のシニア編集委員を務めるなど，本分野の若手トップリーダーの一人である．
今回のセミナーでは，Cichocki特任教授からはテンソル分解に関して，Cheung特任教授からはネットワークのサンプリングに関して，それぞれご講演をしていただいた．
テンソルはベクトル・行列の次元方向への一般化であり，深層学習を含む機械学習分野で広く用いられている．本講演では，テンソルをより単純な構成要素へ分解する「テンソル分解」とその機械学習・信号/画像処理への応用に関して最新の研究成果が紹介された．テンソル分解は行列と異なり分解に一意性がないため，効率的な計算で理論的に妥当な分解を得ることに工夫を要するが，tensor train 等の数理的に高度な技術の紹介を通じて，効率の良い分解が可能であること，また，テンソル分解を用いた機械学習応用が非常に高性能であること，に関する非常に有意義な講演であった．
テンソル分解と同様，ネットワーク（数理的には「グラフ」として表現される）も機械学習で広く用いられる概念の一種である．通常，ネットワークのつながり（「辺」）には非負の実数が用いられるが，最近は負の値まで許容した「符号付きグラフ」を考えることの重要性が議論されている．一方，符号付きグラフは通常のグラフと異なり，グラフを表現する行列の最小固有値が固定されていないなど，信号処理や機械学習の応用に対する問題点がある．本講演では，符号付きグラフを性質の良いグラフへと「改造」する手法に対して議論が行われた．簡便な操作で改造が可能であることや，改造した符号付きグラフを用いてパターン認識などの応用が精度良く行われることなどが紹介された．
国外の学協会と共催したため，接続者数は最大で64名を数えた．海外からの参加が可能であった点で，オンライン開催のメリットを感じた．また，本学とGIRの知名度向上に貢献したのではないかと思われる．
このページの上部へ