Establishing a Flexible and Reliable Automatic Approximate Inference Method to Accelerate the Social Execution of Statistical Modeling.

点击翻译按钮获取中文摘要

統計モデリングの社会浸透の妨げとなっている理由として挙げていた，複雑なモデルの自動的推論を可能にする近似自動推論の「（１）推論の不安定性」及び「（２）外れ値に対する脆弱性」を克服する手法の開発は，論文化という意味では前年度にて既に達成したため，本年度では，研究成果のアウトリーチ活動を中心に行なった．特に，課題（２）についての成果については，フィンランドにて開催されたベイズ推論に関する国際会議BayesComp2023のサテライトワークショップにて，招待講演の題目に採用され，研究代表者が講演を行った．今後の研究の方向性としては，（１）にて開発した「過去のパラメータ履歴」を用いた分散抑制を含め，近似自動推論における分散抑制がなぜ汎化性能を向上させるのかについての理論解析や，（２）のアイデアを，従来のベイズ推論を一般化した「一般化ベイズ推論」の枠組みまで拡張し，モデル構築の柔軟性を保ちつつ，外れ値やモデルの誤設定に頑健な近似自動推論法を開発することを考えている．また，課題（１）は近似自動推論における安定的な最適化についての研究であったを鑑みれば，開発手法を近似自動推論を超えた一般的な機械学習フレームワークにおける最適化（例えば確率的勾配降下法など）へと拡張することも重要な課題である．理論と手法開発の両面からの研究アプローチを通して，本研究課題の最終目標として掲げた「柔軟で信頼性の高い近似自動推論を通した統計モデリングの社会実装の加速」の実現に向けて邁進する所存である．