講演情報
[5B-02]タスクが違えばモデルも変わる？Neural Architecture Searchの構造探索の影響分析
*渡辺 謙1,3、逸見 一喜2,3、大西 正輝3,2 (1. 長岡技術科学大学 、2. 筑波大学、3. 産業技術総合研究所)
発表者区分：学生
論文種別：ロングペーパー
インタラクティブ発表：あり
論文種別：ロングペーパー
インタラクティブ発表：あり
キーワード：
Neural Architecture Search、AutoML、汎⽤機械学習技術
Neural Architecture Search(NAS)は，深層学習のアーキテクチャを自動で設計するAutoMLの一種である．NASは与えられたデータセットとタスクに対して最適な構造を探索する．タスクとは深層学習によって解く具体的な問題のことであり，例えば人物画像が含まれたデータセットでは，表情分類・性別分類・アクセサリーの有無識別などのタスクを設定できる．多くのNASの論文では，データセットに焦点を当てている研究が多いが，データセットだけでなく設計したタスクにも探索される構造が関係していると考えられる．しかし，タスクに着目してNASの探索するアーキテクチャを調査した研究は少ない．そこで本研究では，NASの探索に対するタスクの影響を複数のタスクを用いて調査し，アーキテクチャの相関関係を分析する．具体的には，データセットの違いに対する影響と区別するため，複数のラベルを持つcelebAなどを使用し，タスクのみを変化させてNASでアーキテクチャを探索する．さらにアーキテクチャの構造重みや潜在特徴量などの様々な手法を用いて比較し，探索時のアーキテクチャに対するタスクの影響を明らかにする．