| 6月6日(水) |
| 14:40 - 16:10 |
園田 翔（理研AIP 深層学習チーム） |
| 深層ニューラルネットの数理モデル |
| 深層ニューラルネットの動作原理を解析的に記述する方法を研究をしている。
深層ニューラルネットは多数の写像（中間層写像）を合成した力学系として定式化できる。
教師あり学習の場合，合成写像全体の動作は分かるが，中間層写像単体の性質は不明な点が多い。
本講演では，深層ニューラルネットを輸送写像として理解する方法，および，
一層の中間層写像を積分表現を通じて理解する方法について説明する。 |
| 6月7日(木) |
| 16:20 - 17:50 |
小鳥居 祐香（理研AIP 数理解析チーム） |
| パーシステントホモロジーを用いた位相的データ解析について |
| パーシステントホモロジーはトポロジーの手法を用いたデータ解析の一つである。
本講演では点集合に対して定義されるパーシステントホモロジーについて基本的なことを紹介する。 |
| 6月8日(金) |
| 16:20 - 17:50 |
松井 孝太（理研AIP データ駆動型生物医科学チーム） |
| 最適輸送による転移学習 |
| パーシステントホモロジーはトポロジーの手法を用いたデータ解析の一つである。
あるドメインから取得したデータや知識，学習したパラメータなどを別のドメインでの学習問題に援用するための方法論一般を転移学習と呼びますが，
最近そこに最適輸送のテクニックが使われ，良い性能を示しているという研究報告が出てきています．
今回は Courty et al., "Optimal transport for domain adaptation" (https://arxiv.org/abs/1507.00504)
をベースに問題意識や方法論などをご紹介します．時間（と余裕）があれば今取り組んでいる問題も簡単にご紹介します． |