学術的背景 人工知能（AI）モデルの複雑化とデータプライバシー保護の必要性が高まる中、連邦学習（Federated Learning, FL）は分散型機械学習のパラダイムとして研究の焦点となっています。連邦学習は、複数のクライアントがローカルデータを共有することなく、グローバルモデルを協調的に訓練することを可能にし、データプライバシーを保護しながらモデルの汎化能力を向上させます。しかし、連邦学習は実際の応用において以下の3つの課題に直面しています：1）モデルパラメータが多すぎるために通信負荷が大きい、2）非独立同分布（Non-IID）データによりグローバルモデルの性能が低下する、3）モデルの異質性により従来の連邦集約方法が機能しない。 これらの問題を解決するため、本論文ではFedGPTという...

双視点グラフ・オブ・グラフ表現学習に基づくグラフレベル異常検出研究 学術的背景 現代のデータ駆動型の世界において、グラフ（Graph）は強力なデータ構造として、ソーシャルネットワーク分析、金融詐欺検出、バイオインフォマティクスなどの分野で広く活用されています。グラフは、ソーシャルネットワークにおけるユーザー関係、金融取引における資金の流れ、化学分子における原子と化学結合の関係など、複雑な関係データを効果的に表現することができます。しかし、グラフデータの広範な応用に伴い、大量のグラフデータから異常なグラフサンプル（Graph-Level Anomaly Detection, GLAD）を検出することが重要な研究課題となっています。 既存のGLAD手法は、グラフニューラルネットワーク（Graph...

学術的背景 人工知能（AI）技術の急速な発展に伴い、Khan AcademyやCourseraなどのインテリジェント教育システム（Intelligent Tutoring Systems, ITS）は、個別化学習において顕著な進展を遂げています。知識追跡（Knowledge Tracing, KT）は、ITSの中核技術として、学生の学習データを分析し、その知識習得状況を推測し、将来の学習パフォーマンスを予測することを目的としています。近年、KT分野では多くの進展がありましたが、既存のモデルは記憶構造のシミュレーションにおいて不十分であり、学生の顕在的な学習と潜在的な記憶変換の間に不一致が生じています。この問題を解決するため、華中師範大学などの研究チームは、記憶フロー制御に基づく三段階の知識追...

高次運動フローを利用した共役視覚表現の継続的学習：CMOSFETモデルの研究 学術的背景 人工知能とコンピュータビジョンの分野において、連続的な視覚データストリームからの継続的学習（Continual Learning）は長年の課題です。従来の機械学習手法は、独立同分布（i.i.d.）の仮定に依存しており、すべての訓練データが訓練時に静的かつ利用可能であることを前提としています。しかし、現実世界の視覚データは連続的で非独立同分布であることが多く、モデルの訓練に大きな困難をもたらします。さらに、既存の教師なし学習手法の多くは大規模なオフライン訓練データセットに依存しており、これは人間や動物が環境を連続的に体験しながら学習する方法とは大きく異なります。 これらの問題を解決するため、Simone ...

インスタンス-ラベルダイナミクスを活用した相互アンカーコントラスト学習による少数ショット関係抽出 学術的背景 自然言語処理（Natural Language Processing, NLP）の分野において、関係抽出（Relation Extraction, RE）は、テキストからエンティティ間の関係を識別し抽出するための基本的なタスクです。しかし、従来の教師あり学習手法は大量のアノテーションデータに依存しており、実際の応用ではアノテーションデータの不足がモデルの性能を大きく制約しています。この課題に対応するため、少数ショット関係抽出（Few-Shot Relation Extraction, FSRE）が登場し、少量のアノテーションデータでモデルを訓練し、限られたサンプルでも正確にエンティテ...

回転不変ニューラルポイントフィールドに基づく効率的な細粒度3Dシーン編集研究 学術的背景 コンピュータビジョンとグラフィックスの分野において、多視点画像から現実のシーンをモデル化し、新たな視点をレンダリングすることは中心的な課題です。ニューラルラジアンスフィールド（Neural Radiance Fields, NeRF）は近年、高品質な新視点合成結果を生成する点で大きな可能性を示しており、メッシュやボクセルなどの従来の明示的な3D表現手法に取って代わる可能性があるとされています。しかし、NeRFはレンダリング品質において優れているものの、シーン編集能力には依然として限界があります。既存の編集可能なNeRF手法は、効率性と細粒度編集能力において明らかな不足があり、これがNeRFの創造的編集や...