第3回「NIPS+読み会・関西」@立命館茨木キャンパス

主催：NIPS読み会・関西，立命館大学情報理工学部創発システム研究室
共催：AIR・ 科研費・新学術領域研究「人工知能と脳科学の対照と融合」・ 全脳アーキテクチャ若手の会
日時：2017年3月18日(月)　11:00~17:00
場所：立命館大学 大阪茨木キャンパス(OIC)B棟4階 リサーチオフィス研究会室３
Doorkeerper：https://air-osaka.doorkeeper.jp/events/58019
紹介された論文のリンクも↑にあります。

• • • • • • • • • • • • -

■チュートリアル　落合幸治　(理化学研究所)
タイトル:Variational Inference: Foundations and Modern Methods

Variational Inferenceは、確率的推論を
効率的(MCMAなどよりも早く)かつ安定的に行うための方法。
確率的推論とは分散まで考慮して予測する推論。
種々の分野に適用可能である。
一例としてトピックモデルへの適用を紹介。

元資料 ------------------
Variational Inference: Foundations and Modern Methods
In Tutorials Session A
David Blei · Shakir Mohamed · Rajesh Ranganath
https://nips.cc/Conferences/2016/Schedule?showEvent=6199

• • • • • • • • • • • • • • • • • • • • • • • -

■論文紹介　品川 政太朗(奈良先端科学技術大学院大学)
タイトル:Learning What and Where to Draw
画像の説明文から画像を生成する。
PIPS 2016のoralに採択された論文。
著者は、Scott Reed (ミシガン大学卒、 Deep Mindに所属)
bounding boxやkey pointを明示的に与えることで出力の精度を上げる。

■論文紹介　堀井隆斗(大阪大学)
タイトル：
A Connection Between Generative Adversarial Networks,
Inverse Reinforcement Learning, and Energy-Based Models

GAN、IRL、EBMの3つのモデルを数学的に示し、各分野の
アルゴリズムを提案できるよう示唆を与える。

GANは、正解を判定する機能と誤りを判定する機能２つを使用して、判定精度を上げる
IRLは逆強化学習（振る舞いから報酬関数を推定する）の手法。
EBMはエネルギーベースモデル。
関連研究のGAILもエキスパートの行動からポリシーを学習する。