kèo bóng đá châu á Lab, đồng tác giả bài báo được chấp nhận tại "ICML2021", một hội nghị hàng đầu trong lĩnh vực máy học - Đề xuất phương pháp ước tính tỷ lệ mật độ có thể áp dụng để phát hiện điểm bất thường, suy luận nguyên nhân, phát triển hệ thống khuyến nghị, vv -

CyberAgent Co, Ltd (Trụ sở chính: Shibuya-ku, Tokyo, Giám đốc đại diện: Susumu Fujita, Được niêm yết trên Phần đầu tiên của Sở giao dịch chứng khoán Tokyo: Mã chứng khoán: 4751) là một tổ chức nghiên cứu và phát triển công nghệ trí tuệ nhân tạo có tên là “kèo bóng đá châu á Bài báo đồng tác giả "Ước tính tỷ lệ mật độ sâu dựa trên khoảng cách Bregman không âm" của Masahiro Kato, một nhà nghiên cứu liên kết với "Lab" và Takeshi Teshima của Đại học Tokyo, đã được trình bày tại hội nghị quốc tế “ICML2021 (Hội nghị quốc tế về học máy)” trong lĩnh vực học máy※1

“ICML” là hội nghị quốc tế được tổ chức hàng năm bởi các nhà nghiên cứu từ khắp nơi trên thế giới và “NeurIPS”※2, đây là một trong những hội nghị có thẩm quyền hàng đầu trong lĩnh vực học máy Các bài viết được kèo bóng đá châu á Lab chấp nhận sẽ được trình bày tại ICML2021, diễn ra trực tuyến vào tháng 7 năm 2021

■Nền tảng nghiên cứu

Trong những năm gần đây, việc ra quyết định bằng cách sử dụng học máy đã đóng một vai trò quan trọng trong việc xác định chất lượng dịch vụ trong các dịch vụ web khác nhau và nhiều nhiệm vụ học máy có thể được giải quyết bằng cách tìm tỷ lệ mật độ xác suất của dữ liệu (tỷ lệ mật độ)

Mật độ xác suất là thước đo khả năng xuất hiện của một số dữ liệu nhất định Ví dụ: khi sử dụng học máy để phát hiện sự bất thường, bằng cách kiểm tra tỷ lệ giữa ''mật độ xác suất của dữ liệu bình thường'' và ''mật độ xác suất của dữ liệu là hỗn hợp của dữ liệu bình thường và bất thường'', có thể phân loại dữ liệu bình thường và bất thường từ dữ liệu mà bạn muốn so sánh Ngoài việc phát hiện sự bất thường, tỷ lệ mật độ cũng được cho là hữu ích trong các vấn đề học máy chẳng hạn như ``suy luận nhân quả'' và ``thích ứng miền''

Hơn nữa, trong những năm gần đây, có báo cáo cho rằng "học sâu" có hiệu quả đối với dữ liệu phức tạp như hình ảnh và ngôn ngữ, đồng thời dự kiến rằng các phương pháp sử dụng học sâu sẽ được hiện thực hóa trong việc ước tính tỷ lệ mật độ trong các tình huống xử lý dữ liệu đó
Tuy nhiên, khi ước tính tỷ lệ mật độ bằng học sâu, việc học trở nên không ổn định, gây khó khăn cho việc áp dụng vào thực tế

Dựa trên nền tảng này, bài báo lần này đã được chấp nhậnĐề xuất phương pháp ước tính tỷ lệ mật độ bằng cách sử dụng học sâu và chứng minh hiệu suất xuất sắc cho các vấn đề như phát hiện điểm bất thường trong hình ảnhtrong một thí nghiệm

■Tổng quan nghiên cứu

Trong nghiên cứu này, chúng tôi đề xuất phương pháp ước tính tỷ lệ mật độ bằng cách sử dụng deep learning Cho đến nay, rất khó để ước tính tỷ lệ mật độ bằng cách sử dụng học sâu, nhưng ngoài việc tìm ra nguyên nhân của vấn đề này, chúng tôi phát hiện ra rằng có thể tránh được vấn đề bằng cách sử dụng một phương pháp gọi là "hiệu chỉnh không âm"

Theo phương pháp được đề xuất này, "WideResNet", vvCó thể ước tính tỷ lệ mật độ bằng mô hình học sâu và trong một số trường hợp nhất định, việc phát hiện điểm bất thường bằng cách ước tính tỷ lệ mật độ bằng cách học sâu có hiệu suất vượt trội so với các phương pháp phát hiện điểm bất thường hiện cóChúng tôi cũng đã chứng minh điều này qua các thử nghiệm

Ngoài việc phát hiện điểm bất thường, “kèo bóng đá châu á Lab” đang sử dụng phương pháp được đề xuất là “Phương pháp cho phép tìm hiểu xếp hạng với tốc độ cao và độ chính xác cao để đưa ra đề xuất" (Togashi và cộng sự, Hội nghị Web 2021)

Hơn nữa, phương pháp đề xuất này đã được “kèo bóng đá châu á Lab” công bố tại hội nghị quốc tế “NeurIPS” năm ngoáiSuy luận nhân quả khi xem xét các vấn đề về giá trị bên ngoài” (Uehara và cộng sự, NeurIPS 2020) Bài báo được chấp nhận lần này cũng chứng minh các tính chất lý thuyết của phương pháp đề xuất, rất quan trọng khi áp dụng vào suy luận nhân quả

■Tương lai

Ước tính tỷ lệ mật độ bằng cách sử dụng học sâu có thể được áp dụng cho nhiều vấn đề và Phòng thí nghiệm kèo bóng đá châu á đã áp dụng phương pháp được đề xuất để phát triển các hệ thống đề xuất Chúng tôi hiện đang khám phá các ứng dụng như tạo văn bản cho quảng cáo bằng cách sử dụng các mô hình đối kháng tổng hợp
"kèo bóng đá châu á Lab" sẽ tiếp tục nỗ lực nghiên cứu và phát triển với mục tiêu hiện thực hóa công nghệ phân phối quảng cáo chất lượng cao hơn nhằm tích hợp công nghệ phân phối quảng cáo sử dụng công nghệ kèo bóng đá châu á vào sản phẩm

※1
※2