IF-006
Efficiently Monitoring Small Data Modification Effect for Large-Scale Learning in Changing Environment

○花田博幸・柴垣篤志（名工大）・佐久間淳（筑波大/JST/理研）・竹内一郎（名工大/理研/物材研）

機械学習において、大規模なデータセットからの学習結果を得たのちに、その一部の値が変化した場合を考える。このとき、変化後のデータセットに対応した学習結果を得るためには、一般にデータセット全体の大きさに比例するという、大きい計算コストが必要となる。本研究では、変化後のデータセットに対する学習結果を厳密に求めることなく、学習結果の変動の上界を高速に、具体的にはデータセットの値が変化した箇所の個数のみに比例する時間で計算することを考える。学習結果の変動を高速に検知できることで、（大きい計算コストが必要な）再学習を行うべき時期を判断するのに利用できるなどの応用がある。