ようこそ
適応情報処理研究室のwebページへようこそ.当研究室では環境や状況に適応してアルゴリズムやモデルを変更していく情報処理様式について研究を進 めています. 人間をはじめとする生物には,限られた情報処理資源を利用して,試行と失敗を繰り返し,時には世代を超えて問題を解決していく能力があります.このような プロセスを「適応情報処理」様式ととらえ,基盤となる学習,最適化,信号処理の理論をふまえて,適応的なパターン認識,信号・画像処理,検索アルゴリズム を提案,実世界の問題を解決していくための研究を行っています.
IEEE CSPA において研究発表
2023年3月3日~4日にマレーシアのランカウィにて開催された 20th IEEE International Colloquium on Signal Processing & Its Applications において,以下の3つの研究発表を行いました.
- Pavodi Ndoyi Maniamfu and Keisuke Kameyama
“LSTM-based forecasting using policy stringency and time-varying parameters of the SIR model for COVID-19” - Tzu-Jui Huang and Keisuke Kameyama
“Machine Learning Curriculums Generated by Classifier Ensembles” - Takumi Morikawa and Keisuke Kameyama
“CNN Model Compression by Merit-Based Distillation” (CSPA ベストペーパー賞受賞)
PerConAIにおいてニューラルネットワークの多段階モデル圧縮に関する論文発表
当研究室の論文
Takumi Morikawa and Keisuke Kameyama
"Multi-Stage Model Compression using Teacher Assistant and Distillation with Hint-Based Training",
が,2022/3/25に開催された First Workshop on Pervasive and Resource-Constrained Artificial Intelligence (PerConAI) (20th IEEE International Conference on Pervasive Computing and Communications (PerCom 2022)併催) において発表されました.同研究は畳み込みニューラルネットワーク (CNN) のモデル圧縮を,蒸留 (distillation) とヒント学習を多段階で適用することで実現する手法を提案しており,一般物体画像認識問題において,ResNet50などのCNNモデルを認識性能を維持つつパラメータ数が約1/8の,より層数の多いネットワークに圧縮することができることを示しました.
ICONIP 2021においてマルチモーダル個人認識に関する論文発表
当研究室の論文
Keita Ogawa and Keisuke Kameyama
"Adaptive Selection of Classifiers for Person Recognition by Iris Pattern and Periocular Image",
が,2021/12/8 - 11の期間開催されたInternational Conference on Neural Information Processcing (ICONIP) 2021において発表されました.同論文はマルチモーダル個人認識におけるモーダリティ分類器をその信頼性に応じて動的に選択するMulti Modal Selectorを提案し,その有効性を検証したものです.