自治体業務改善に向けたデータ効率型都市点検技術の開発と実応用

点击翻译按钮获取中文摘要

本年度は，昨年度から続いている対称性およびラベルなしテストセットにおける精度評価に関する研究を中心に研究を行った．対称性に関する研究において，昨年度はあくまでも仮想的にデータを作成し，そのデータのもとで提案しているニューラルネットワークの評価を行なっていたが，実用性を考慮した場合，それでは十分とはいえないため，本年度では実データを扱っているベンチマークデータセットを用いて実験評価を行なった．その結果，従来の手法と遜色がなく性能を発揮することが確認できた．次にラベルなしテストセットについては，昨年度は実験的にのみ検証をしていたため，本年度はその有効性について，理論的に示すことができないか検討をした．残念ながら論文として公開するまでに至っていないが，本研究で理論的に有億性を示せた場合，テストセットにおける性能の推定がより正確になることが期待される．さらに理論的に推定の保証ができた場合，手法の拡張が期待できる．最後に昨年度に公開された大規模言語モデルや画像生成モデルなどより大量のデータを学習した手法があり，こういった手法の調査が年度末に発生しており，当初の研究計画にはなかったが，その性能について話題になっており，調査は必要であったと考えている．今年度実施した技術調査の結果を踏まえ，今後の利活用を想定していく．