Upgrade to Pro — share decks privately, control downloads, hide ads and more …

計算情報学研究室 (数理情報学第7研究室)紹介スライド

Tasuku Soma
May 23, 2020
5.7k

計算情報学研究室 (数理情報学第7研究室)紹介スライド

Tasuku Soma

May 23, 2020
Tweet

Transcript

  1. 劣モジュラ関数 • ネットワークのカット容量関数 • 行列の階数関数 • 多元情報源のエントロピー関数 ) ( )

    ( ) ( ) ( Y X f Y X f Y f X f  +   + V Y X   , V X Y R 2 : → V f : V 有限集合
  2. • 大場亮俊(M2): テンセグリティの剛性の特徴づけ • 當眞 ジェイソン 翔 (M2): 勾配法に基づく大規模離散最適化問題の解法 •

    山嵜利樹(2019卒,修士):有向グラフ上の L2ノルムコストを抑える oblivious ルー ティングの設計 • 小畑哲雅(2018卒, 学士): 対称剛性行列の最小非零固有値の解析 • 篠木寛鵬(2018卒, 学士) :閉曲面の 4-連結三角形分割の生成とその大域剛性 • 石濱和樹(2018卒, 学士): 周期的なAuxetic構造の設計手法の開発 • 隈部壮(2018卒, 学士): 最小シュタイナー森問題と最小部分集合フィードバック 辺集合問題のマトロイドを用いた一般化 • 池田 基樹(2017卒, 学士):平衡な有向グラフに対するカットを近似したグラフ疎 性化 • 井上 恭輔(2017卒, 学士):ラマングラフの平面実現個数の上界に関する研究
  3. 低ランク基底問題に対する数値解法 ℳ ⊆ ℝ×: 部分空間 min ෍ rank( ) s.

    t. span 1 , … , = ℳ 画像分離への応用例 元画像(低ランクに近似) 混合された画像(入力) 復元された画像(出力) 混合する前の画像が復元されている • 辞書学習,画像分離など 幅広い応用
  4. 微分可能な貪欲法による劣モジュラ最大 化 13 乱択化による期待出力の平滑化 (Tschiatschek et al’18) 1 4 2

    3 1 4 2 3 max End-to-end な機械学習手法などへの応用 本研究 • 期待出力の近似保証の証明 • 勾配の推定方法の提案