2022年3月22日(火) 10:30 - 16:00
2022年3月23日(水) 10:00 - 16:00
以下の人工知能学会発表申込フォームより参加申込を行ってください．
https://www.ai-gakkai.or.jp/sig-system/sigusers/add/fpai/120
当研究会の聴講は無料です．
オンライン開催（Zoom）
※ 参加方法は参加申込者に個別にご案内いたします．
特集「知識発見と人工知能」および一般
画像や音声，テキストやネットワークなど多種多様なデータが蓄積されるようになりました．
多様なデータに潜む有益な情報を活用することを目指し，人工知能や機械学習が
アカデミアのみならず産業界でも注目されてます．
データからの知識発見技術を社会課題解決に活用するという期待に 応えるためには，新しい理論の構築や既存技術の実用化が欠かせません．
今回の研究会では，人工知能・機械学習技術に基づく知識発見に着目し， 基礎理論から応用・事例研究まで含めた幅広い研究発表を募集します．
説明可能AIと決定木
深層学習に代表される機械学習モデルの多くはその推論の過程や根拠が人間に解釈不可能な“ブラッ
クボックス” である。近年、モデルのブラックボックス性の緩和に向けて説明可能AI の研究が盛ん
に進められている。決定木はその可読性の高さゆえに説明可能AI の研究において中心的な役割を果
たすモデルの一つである。しかし、決定木は深層学習モデル等の複雑なモデルに比べて予測性能が
劣る傾向にある。そこで、近年の説明可能AI では決定木を深層学習モデル等と組み合わせてモデル
を「部分的に可読化」し、予測性能は保持しつつもモデルの可読性を向上させる方法が提案されてい
る。本講演ではこれら決定木を用いた「部分的な可読化」の研究を紹介する。
データ圧縮の機械学習と秘匿計算への応用
データ圧縮は、冗長性を取り除くことでデータサイズを削減する技術の総称で可逆圧縮と非可逆圧縮
に大別される。どちらにおいても圧縮というプロセスは、データの規則性を発見することに帰着され
る。ここから圧縮をなにか他の計算の前処理として利用するという考え方が生まれ、圧縮したまま情
報検索などが盛んに研究されるようになった。近年では、機械学習とプライバシー保護計算が社会的
な課題として非常に重要視されており、データ圧縮の応用もこの分野で活用されている。本稿では、
それらのいくつかを紹介し、今後の展望を述べたい。
発表時間の目安は，一般発表は25分（20分発表＋5分質疑），招待講演は60分（50分発表＋10分質疑）です．
欠損を含む非負行列の高速なランク１分解
○ガラムカリ 和 (国立情報学研究所/総研大)，杉山 麿人 (国立情報学研究所/総研大)
Ensemble Computation 問題に対する貪欲ランダム法の提案
○池永 裕次郎 (神戸大学)，山口 一章 (神戸大学)
厳密被覆問題を表すZDDに対する前処理
榎 新星 (高知工科大学)，○原田 崇司 (高知工科大学)
頂点彩色問題に対するRLF法の改良
○工藤 伊織 (神戸大学)，山口 一章 (神戸大学)
頻出1変数項木パターンの枚挙アルゴリズム
田中 知希 (広島市立大学)，○鈴木 祐介 (広島市立大学)，内田 智之 (広島市立大学)，宮原 哲浩 (広島市立大学)
Entificationの理論を目指して：世界から実在を取り出す一般的な原理とは
○山川 宏 (東京大学)
最大重みクリーク問題に対するLDS法の改良
○Kim Youngjae (神戸大学)，山口 一章 (神戸大学)
Neural Tangent Kernelを用いたSoft Tree Ensembleの解析
○加納 龍一 (国立情報学研究所・総合研究大学院大学)，杉山 麿人 (国立情報学研究所・総合研究大学院大学)
公平性バイアスを緩和する解釈可能な前処理手法
○後藤 啓介 (富士通)，原 聡 (大阪大学)
共分散行列近似による効率的な決定論的ベイジアン深層学習
○平山 侑樹 (東京大学)，高前田 伸也 (東京大学)
SATソルバを用いたNP困難な圧縮指標の高速計算
坂内 英夫 (東京医科歯科大学)，○後藤 啓介 (無所属)，石畠 正和 (NTTコミュニケーション科学基礎研究所)，神田 峻介 (無所属)，クップル ドミニク (東京医科歯科大学)，西本 崇晃 (理研)
議論フレームワーク上の正当性を示す負担に基づく論証評価方法
○野村 尚新 (関西学院大学)，高橋 和子 (関西学院大学)
物流倉庫内の複数エージェントによる複数集配タスク同時実行問題と解法の検討
○下川 真典 (名古屋工業大学)，松井 俊浩 (名古屋工業大学)
研究会資料は発表の有無に関わらず stores（https://jsaioffice.stores.jp/） にて電子版を購入頂けます．
なお，人工知能学会の学生会員は無料です．
また，それ以外の会員の方は研究会登録による年間購読割引があります．
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: 大滝 啓介, 後藤 啓介
連絡先アドレス：fpai_kanji@sig-fpai.org
人工知能学会第一種研究会に投稿された研究会資料は紙冊子として発行されると同時に，
学会事務局で資料ID（※１）を付与した上で学会文献提供サイト「J-STAGE」
(SIG-FPAI は https://www.jstage.jst.go.jp/browse/jsaifpai/-char/ja) 上のPDFファイルとして掲載されます．
発行日(※２)から一年間（エンバーゴ期間）は，PDF閲覧時に認証を求められますが，
研究会登録メンバーは無料で閲覧可能です．認証のための購読者番号やパスワードは
オンライン会員情報管理システム （https://www.e-naf.jp/JSAI/member/login.php） にログインし
「学会からのお知らせ」にてご確認下さい．
なお，エンバーゴ期間中，研究会登録メンバー以外の方は，
stores（https://jsaioffice.stores.jp/）にて購入いただけます．
(※１)研究会資料ID付与規則の変更(2021年4月）
研究会資料ID（論文ID）の付与ルールを下記のように統一しました．
(※２)紙媒体の奥付に記載された発行日