ターゲット
公开日
原田健自 情报学研究科助教、赤松克哉 東京大学特任研究員（研究当時：同博士後期課程学生）、川島直輝 同教授、大久保毅 同特任准教授の共同研究チームは、生成モデリングの代替パラダイムとして、対象確率分布をモデル化する単層非負値適応テンソルツリー（NATT）の構造最適化スキームを提案しました。
本手法では、ネットワーク构造そのものが确率のネットワークという意味を持つため解釈が容易です。
社会のさまざまな面に応用されつつある人工知能や机械学习のベースになる生成モデリングの枠组みとして、现在主流になっているものとは大きく异なる方法となっており、特に多数の要因が络み合っているような因果関係の解明などへの応用が期待されます。
本研究成果は、2026年1月22日に、国際学術誌「Machine Learning: Science and Technology」に掲載されました。
画像
详しい研究内容について
研究者情报
研究者名
原田 健自
书誌情报
【顿翱滨】
【碍鲍搁贰狈础滨アクセス鲍搁尝】
【书誌情报】
Katsuya O Akamatsu, Kenji Harada, Tsuyoshi Okubo, Naoki Kawashima (2026). Plastic tensor networks for interpretable generative modeling. Machine Learning: Science and Technology, 7, 1, 015014.
関连部局
