![[PukiWiki]](image/ipsjhokkaido.png "[PukiWiki]")
#author("2025-07-03T02:17:35+00:00","default:2025","2025") #author("2026-02-02T00:24:03+00:00","default:2025","2025") [[IPSJ Hokkaido]] *** 講演会 [#lde49403] 講演者：高橋昂（東大・物理・助教） 日時：2月9日（月）１６：３０〜１８：００ 場所：北大情報科学研究院棟９階情報解析学研究室セミナー室（9-27) URL https://meet.google.com/zgu-qcvz-ozx 演題：高次元における統計的学習に対する統計物理学的アプローチ 要旨： 統計的学習は情報科学の主要なトピックであると同時に、古くから統計物理学の研究対象でもあった。本発表では、この統計的学習と統計物理学の親和性に動機づけられた、発表者のいくつかの最近の研究を紹介する。 前半では、統計的学習と統計物理学の親和性について概観した後、教師あり学習や知識蒸留で用いられる疑似ラベルを用いた学習の問題を、データサイズとモデルパラメータ数が同じオーダーであるような高次元の設定で解析した結果 [1,2]を紹介する。疑似ラベルは実務的には広く用いられる一方、その効果は経験則による部分が大きかった。本研究は、半教師あり学習や自己蒸留における性能向上のメカニズムを定量的に説明するものである。 後半では、統計物理学的な解析の多くが極端に単純化した「解ける」設定に依存し、現実的な設定での現象を定量的に予言することが不得手であった。そこで、解けない設定においても定量的な予言を与えるための拡張として、統計物理学のレプリカ法に変分近似を組み合わせる試みを紹介する [3]。これにより、より現実的な設定へ統計物理学的な理論解析を持ち込むための足がかりを議論したい。 [1] Takahashi, Takashi. "The role of pseudo-labels in self-training linear classifiers on high-dimensional gaussian mixture data." arXiv preprint arXiv:2205.07739 (2022). [2] Takanami, Kaito, Takashi Takahashi, and Ayaka Sakata. "The Effect of Optimal Self-Distillation in Noisy Gaussian Mixture Model." NeurIPS 2025, https://openreview.net/forum?id=k1nSnc6rhr. [3] Takahashi, Takashi. "Variational Gaussian Approximation in Replica Analysis of Parametric Models." Journal of the Physical Society of Japan 94.12 (2025): 124801. 世話人：宮原英之（北海道大学） miyahara@ist.hokudai.ac.jp *** ロボットトライアスロン２０２５ [#tbc08469] 開催日時：令和７年９⽉７⽇（⽇）１０時〜１７時~ 開催場所：北海道科学大学（北海道札幌市⼿稲区前⽥ 7 条 15 丁⽬ 4-1）~ 参加対象者：北海道の⼤学等の教育機関に在籍する学⽣~ 競技内容：参加者が⾃作した移動ロボットにより，~ ３つの課題からなるコースを⾛破 するタイムレース~ （詳細はホームページ：http://bs.robot-triathlon.org/） 申込⽅法：学⽣のグループまたは個⼈が，次の期間にホームページから申し込む．~ 令和７年８⽉４⽇（月）～８⽉２２⽇（金） 参加料：無料~ 表彰：「第１位」「第２位」「第３位」を表彰する~ 主催：ロボット・トライアスロン運営委員会~ 協賛：(社)⽇本機械学会北海度⽀部，(社)計測⾃動制御学会北海度⽀部，~ (社)精密⼯ 学会北海道⽀部，(社)情報処理学会北海道⽀部~ 後援：(社)電⼦情報通信学会北海道⽀部
