“Automated Data Augmentation for Graph Classification” presented on ICLR 2023

We are conducting research about applying graph data augmentations to graph classification. Recently, we have completed a joint research project with Texas A&M University’s Data Integration, Visualization, and Exploration (DIVE) Laboratory (https://people.tamu.edu/~sji/), and the research paper titled “Automated Data Augmentations for Graph Classification”, has been accepted by ICLR 2023. This article briefly introduces our work in this research project.

Paper

• Title: Automated Data Augmentations for Graph Classification (Youzhi Luo, Michael McThrow, Wing Au, Tao Komikado, Kanji Uchino, Koji Maruhashi, Shuiwang Ji)
• Conference: Eleventh International Conference on Learning Representations (ICLR 2023) openreview.net

“Multi-Rate VAE: Train Once, Get the Full Rate-Distortion Curve” accepted at ICLR2023 as notable-top-5%

Recently, in our joint research with the University of Toronto, we have developed an AI technology called Multi-Rate VAE (MR-VAE), enabling the acquisition of the full rate-distortion curve by only a single training run. We will present our work at ICLR 2023 (notable-top-5%). In this blog post, we introduce our joint research.

Paper

• Title: Multi-Rate VAE: Train Once, Get the Full Rate-Distortion Curve (Juhan Bae, Michael R. Zhang, Michael Ruan, Eric Wang, So Hasegawa, Jimmy Ba, Roger Baker Grosse)
• Conference: The Eleventh International Conference on Learning Representations (ICLR 2023) openreview.net

Authors of this blog post: So Hasegawa, Juhan Bae

「グラフ分類のためのデータ拡張技術」に関する研究がICLR 2023に採択されました

こんにちは．人工知能研究所のMichael, Wing, 小御門、内野、丸橋です。私たちは「AIを用いた知識発見」に関する研究開発を行っています。このたび，テキサスA&M大学のData Integration, Visualization, and Exploration (DIVE) Laboratory (https://people.tamu.edu/~sji/)との共同研究成果である「グラフ分類のためのデータ拡張技術」が機械学習の主要な国際会議であるICLR 2023に採択されたので，その内容を紹介します。

対象論文

• 学会名：International Conference on Learning Representations（ICLR）
• 開催日：2023年5月1日～5月5日
• 開催場所：ルワンダ共和国 キガリ
• 論文タイトル：Automated Data Augmentations for Graph Classification
• 著者（富士通）：Michael Curtis McThrow、Wing Yee Au、小御門道、内野寛治、丸橋弘治
• 著者（テキサスA&M大学）：Youzhi Luo, Shuiwang Ji openreview.net

「ハイパーパラメータ選択にロバストなVAE」に関する研究がICLR2023 notable-top-5%で採択されました

こんにちは、人工知能研究所 長谷川です。このたび、富士通研究所とトロント大学との共同研究で得られた「ハイパーパラメータ選択にロバストなVAE」に関する研究論文が、機械学習の主要な国際会議であるICLR2023にnotable-top-5% (従来のOral)として採択されましたので、その内容を紹介いたします。

対象論文

• タイトル: Multi-Rate VAE: Train Once, Get the Full Rate-Distortion Curve (Juhan Bae, Michael R. Zhang, Michael Ruan, Eric Wang, So Hasegawa, Jimmy Ba, Roger Baker Grosse)
• 発表会議: The Eleventh International Conference on Learning Representations (ICLR 2023) openreview.net

インターネット上のデータの確からしさを検証するVerifiable Endorsement

こんにちは、データ＆セキュリティ研究所の坂本です。インターネットはいろいろな情報があり生活に欠かせませんが、その中には虚偽の情報であるフェイクニュースもあり問題になっています。そこで、インターネット上の記事に対して、投稿の確からしさに関わる情報を閲覧者に分かるようにして、確からしさを判断可能とする「Trustable Internet」を研究しています。これは、慶應義塾大学SFC研究所と設立したTIAL(Trusted Internet Architecture Lab.)にて進めており、ホワイトペーパーを2022年10月に公開しました。

今回、そのコンセプトをベースにして、実現手法を検討・実装し、簡単なビジネスシーンのユースケースをもとに試作してみましたので紹介します。

"Cost-Sensitive Self-Training for Optimizing Non-Decomposable Metrics" presented on NeurIPS 2022

Recently, in our joint research with the Indian Institute of Science, we have developed an AI technology called cost-sensitive self-training that can optimize practical real-world metrics which are complex and present it at NeurIPS 2022. In this blog post, we introduce our joint research.

Paper

• Title: Cost-Sensitive Self-Training for Optimizing Non-Decomposable Metrics (Harsh Rangwani, Shrinivas Ramasubramanian, Sho Takemori, Kato Takashi, Yuhei Umeda, Venkatesh Babu Radhakrishnan)
• Conference: Thirty-sixth Conference on Neural Information Processing Systems (NeurIPS 2022)
• link to the accepted paper

"Exploring the Whole Rashomon Set of Sparse Decision Trees" presented on NeurIPS 2022

We are conducting research and development on "AI-based Knowledge Discovery". Recently, We have started a joint research project with [Duke University's Interpretable Machine Learning Lab (https://users.cs.duke.edu/~cynthia/lab.html), and the research result, "Exploring the Whole Rashomon Set of Sparse Decision Trees," has been accepted by NeurIPS2022. This article briefly introduces the contents of the paper.

Paper

• Title： Exploring the Whole Rashomon Set of Sparse Decision Trees (Rui Xin, Chudi Zhong, Zhi Chen, Takuya Takagi, Margo Seltzer, Cynthia Rudin)
• Conference：Thirty-sixth Conference on Neural Information Processing Systems (NeurIPS 2022)
• Link to the accepted paper

NeurIPS2022にて「決定木の羅生門集合構築技術」について発表します

こんにちは．人工知能研究所 発見数理PJの高木です．富士通研究所では「AIを用いた知識発見」に関する研究開発を行っています．このたび，デューク大学のInterpretable Machine Learning Lab （解釈可能機械学習研究室）との共同研究成果である「決定木の羅生門集合構築技術」が機械学習の主要な国際会議であるNeurIPS2022に採択されたので，その内容を紹介します．

対象論文

• タイトル： Exploring the Whole Rashomon Set of Sparse Decision Trees (Rui Xin, Chudi Zhong, Zhi Chen, Takuya Takagi, Margo Seltzer, Cynthia Rudin)
• 発表会議：Thirty-sixth Conference on Neural Information Processing Systems (NeurIPS 2022)
• 論文へのリンク

NeurIPS2022にて「最適化が困難な指標のためのコスト考慮型自己訓練学習手法」について発表します

こんにちは．人工知能研究所 自律学習PJの竹森です．富士通研究所では「自律的に学習可能なAI技術」に関する研究開発を行っています．このたび，インド理科大学院との共同研究で得られた「最適化が困難な指標のためのコスト考慮型自己訓練学習」に関する研究論文が，機械学習の主要な国際会議であるNeurIPS2022に採択されたので，その内容を紹介します．

対象論文

• タイトル： Cost-Sensitive Self-Training for Optimizing Non-Decomposable Metrics (Harsh Rangwani, Shrinivas Ramasubramanian, Sho Takemori, Kato Takashi, Yuhei Umeda, Venkatesh Babu Radhakrishnan)
• 発表会議：Thirty-sixth Conference on Neural Information Processing Systems (NeurIPS 2022)
• 論文へのリンク

精度低下した深層学習モデルを正解データなしで修復する研究成果をIEEE ICIP2022で発表しました

こんにちは、人工知能研究所AI品質プロジェクトの金月です。富士通研究所では、AIの品質向上に向けた研究を行っています。深層学習モデルの精度低下を正解データなしで修復する研究成果が、IEEE ICIP2022にて採択されたのでその概要をご紹介します。

• IEEE International Conference on Image Processing 2022 (ICIP2022)

Multi-Step Test-Time Adaptation with Entropy Minimization and Pseudo-Labeling
Hiroaki Kingetsu; Kenichi Kobayashi; Yoshihiro Okawa; Yasuto Yokota; Katsuhito Nakazawa

【発表募集/参加募集】FG2023 Workshop Behavioral Digital Twins for Smart Cities Workshopのご案内（2023/01/04~08）

富士通研究所の川村です。この度、2023年1月4日から8日にハワイで開催されるInternational Conference on Automatic Face and Gesture Recognition 2023 (FG2023) において行動認識・行動予測・トラッキングなどに関するワークショップを開催することになりました！

行動認識や行動予測、トラッキングからそれらを含めたアプリケーションまで、人の行動に関して幅広く論文を募集しています。 ハワイという魅力的な場所での学会でもありますので、ぜひご興味がありそうな方への周知やご自身の論文のご投稿をご検討いただければと思います。（締め切り2022年9月12日）

ICML2022にて「ロバスト性を考慮したベイズ最適化」について発表します

こんにちは．人工知能研究所 自律学習PJの竹森です．富士通研究所では「自律的に学習可能なAI技術」に関する研究開発を行っています．このたび，我々の研究成果である「ロバスト性を考慮したベイズ最適化」に関する研究論文が，機械学習の主要な国際会議であるICML2022に採択されたので，その内容を紹介します．

対象論文

• タイトル：Distributionally-Aware Kernelized Bandit Problems for Risk Aversion
• 発表会議：Thirty-ninth International Conference on Machine Learning (ICML 2022)
• 論文へのリンク

人工知能研究所の自律学習PJについて

こんにちは。人工知能研究所 自律学習PJの小橋です。

これまで我々のPJ(プロジェクト)では、折をみてブログで研究ネタを発信してきましたが、「そもそも富士通のAI研究って何してるの？自律学習PJって何なの？」という話しはしてきませんでした。せっかくなので、（二ヶ月近く過ぎちゃいましたが）2022年度も始まったことですし、そのあたりを少し紹介してみようと思います。

で、もし我々の活動に興味が湧けば、最後に書いてあるMeety(カジュアル面談)や採用ページからのコンタクトをお待ちしております！！

ICSE2022でコード生成型AutoML - SapientMLについて発表しました

こんにちは．人工知能研究所 自律学習PJの浦です．富士通研究所では「自律的に学習可能なAI技術」に関する研究開発を行っています．このたび，我々の研究成果であるAutoML技術であるSapientMLの研究論文が，ソフトウェア工学の主要な国際会議であるICSE2022に採択されたので，その内容を紹介します．

対象論文

• タイトル：SapientML: Synthesizing Machine Learning Pipelines by Learning from Human-Written Solutions
• 発表会議：44th International Conference on Software Engineering (ICSE 2022)
• プレプリント版の論文へのリンク