Dimond: 深層学習による拡散モデルの最適化に関する研究 学術的背景 脳科学および臨床応用において、拡散磁気共鳴イメージング（Diffusion Magnetic Resonance Imaging, dMRI）は、非侵襲的に脳組織の微細構造や神経連結性を描くための重要なツールです。しかし、拡散信号モデルのパラメーターを正確に推定する計算コストは高く、画像ノイズの影響を受けやすいです。既存の多くの深層学習に基づく教師あり推定法は、効率と性能の向上の可能性を示していますが、これらの方法は通常追加のトレーニングデータを必要とし、汎化性が不足しているという問題があります。 論文の出典 この研究はZihan Li、Ziyu Li、Berkin Bilgic、Hong-Hsi Lee、Kui Yi...

導入 人工知能システムが常識知識を欠いていることは、その分野の発展を制約する主な障害の1つでした。近年、ニューラル言語モデルと常識知識グラフによって長足の進歩が得られたものの、人間の知性の重要な構成要素である「概念化」は人工知能システムにうまく反映されていませんでした。人間は、具体的な事物や状況を抽象概念に概念化し、その上で推論することで、世界中の無限の実体や状況を取得し理解しています。しかし、有限の知識グラフでは現実世界の多種多様な実体や状況をカバーできず、それらの関係や推論はおろか話になりません。 本研究では、常識推論における概念化の役割を深く探求し、人間の概念化過程をシミュレートするフレームワークを構築しました。既存の状況常識知識グラフから抽象概念に関する事象知識や、それらの抽象概念に...

伝統的な表現学習手法は、通常、正規性、疎性などの望ましい性質を達成するために、固定の基底関数アーキテクチャを設計します。一方、深層強化学習の考え方は、設計者が表現の性質をコーディングするのではなく、データの流れが表現の性質を決定し、適切な訓練スキームの下で良い表現が自発的に現れるようにすることです。 この研究では、深層強化学習システムで学習された表現(representation)の性質を探求しています。この研究は、2つの観点を組み合わせ、実証分析を通じて、強化学習におけるスムーズな転移を促進する表現の性質を探索しています。著者らは6種類の表現特性を提案し、25,000以上のエージェント設定タスクで評価を行いました。彼らは、ピクセルベースのナビゲーション環境で、ソースタスクと転移タスクが異な...