2021年9月29日(水), 30日(木)
2021年8月26日(木) JST23:59
2021年9月9日(木) JST23:59
※ 予稿集作成の都合上，締切は延長できません．締切厳守でお願いいたします．
以下の人工知能学会発表申込フォームにログインし，発表申込を行ってください．
https://www.ai-gakkai.or.jp/sig-system/sigusers/presenter_add/fpai/117
提出期限までに，発表申込内容編集フォームから原稿 PDF をアップロードください．
発表申込み後の確認メールに，フォームへのアクセス用URLが記載されています．
ログイン情報を忘れた場合は担当幹事にご連絡ください．
一般発表はA4用紙原則6枚以内です．
スタイルファイル・サンプル等は下記からダウンロードしてください.
http://www.ai-gakkai.or.jp/sig/sig-style/
オンライン開催（Zoom）
具体的な参加方法は発表・参加申込者に自動的に送信されます．
特集「人工知能と最適化」および一般
多くの人工知能・機械学習の問題は何らかの最適化問題として記述されます．
最適化問題の難しさは目的関数，制約，変数の種類（連続・離散・混合），問題規模などに依存するため，
現実問題に対して適切に目的関数を設定し，解法を用意し，現実的な精度と時間で解くことは非常に難しいタスクです．
今回の研究会では，連続最適化・組合せ最適化の実問題への応用や，それらの理論的解析など，最適化に関した幅広い研究を募集します．
またこれらに限らず, 人工知能の基本問題に関する理論・応用の研究発表も歓迎します.
宇野 毅明（NII） (http://research.nii.ac.jp/~uno/)
TBA
TBA
包 含（東京大学/理化学研究所） (https://hermite.jp/)
学習基準と評価基準の差を探る
機械学習は近年様々な領域において大きな成功を収めている一方で，ロバスト性や公平性といった予測の信頼性に関する問題が次々と報告されている．こうした問題は予測性能が非常に高いモデルや訓練手法においても見られている．本講演では機械学習アルゴリズムの学習基準と学習したモデルの良さを特徴づける評価基準の差異に着目する．この両者を明確に区別することで，アルゴリズムによる予測が我々の期待する性質を持つかどうかを検証し，また目的に応じて適切な学習基準を設計することを目指す．具体的には我々が最近行った敵対的ロバスト性や類似度学習に関する研究結果の紹介を行い，学習基準と評価基準の差を通じて信頼性の高い機械学習を実現する方法に関して議論する．
当研究会の聴講は無料です．
研究会資料は発表の有無に関わらず電子版/冊子体を購入頂けます．
購入方法については追って連絡いたします．
※ 電子版：一般 1,500 円(予定)・学生会員無料です．
※ 冊子体：一般・学生問わずに 2,000 円(予定)です．
※ 人工知能学会員の方は研究会登録により年間購読割引があります．登録会員の方々へは冊子体も郵送されます．
【研究会登録】https://www.ai-gakkai.or.jp/sig/announce/sig-registeration/
主査: 大久保 好章
幹事: 石畠 正和, 大滝 啓介, 後藤 啓介, 小林 靖明, 蓑田 玲緒奈
担当幹事: 石畠 正和