Theory, algorithms and software toward hyper-efficient Monte Carlo gradient estimation.（モンテカルロ勾配推定の超効率化に向けた理論、アルゴリズムとソフトウェアの開発研究）
| 体系的番号 |
JPMJAX23CO |
| DOI |
https://doi.org/10.52926/JPMJAX23CO |
研究代表者 |
|
|---|
| 研究期間 (年度) |
2023 – 2025
|
| 概要 | 多くの機械学習アルゴリズムで確率的勾配降下法が使われていますが、その学習速度は勾配推定の精度に大きく影響されます。勾配の計算は長年バックプロパゲーションが用いられてきましたが、その手法自体を改良した研究は少ないです。本研究では、勾配推定の効率を格段に上げる新アルゴリズムの開発に挑んでいます。成功すれば、モデルの訓練コストを削減し、以前には学習が困難だったモデルも取り組める可能性が広がります。
|
|---|
| 研究領域 | 次世代AIを築く数理・情報科学の革新 |
|---|
