自治体業務改善に向けたデータ効率型都市点検技術の開発と実応用

数据高效的城市检查技术的开发和实际应用，以改善市政运营

基本信息

批准号：
20K19930
负责人：
河野慎
金额：
$ 2.66万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本年度は，昨年度から続いている対称性およびラベルなしテストセットにおける精度評価に関する研究を中心に研究を行った．対称性に関する研究において，昨年度はあくまでも仮想的にデータを作成し，そのデータのもとで提案しているニューラルネットワークの評価を行なっていたが，実用性を考慮した場合，それでは十分とはいえないため，本年度では実データを扱っているベンチマークデータセットを用いて実験評価を行なった．その結果，従来の手法と遜色がなく性能を発揮することが確認できた．次にラベルなしテストセットについては，昨年度は実験的にのみ検証をしていたため，本年度はその有効性について，理論的に示すことができないか検討をした．残念ながら論文として公開するまでに至っていないが，本研究で理論的に有億性を示せた場合，テストセットにおける性能の推定がより正確になることが期待される．さらに理論的に推定の保証ができた場合，手法の拡張が期待できる．最後に昨年度に公開された大規模言語モデルや画像生成モデルなどより大量のデータを学習した手法があり，こういった手法の調査が年度末に発生しており，当初の研究計画にはなかったが，その性能について話題になっており，調査は必要であったと考えている．今年度実施した技術調査の結果を踏まえ，今後の利活用を想定していく．

今年，我们对自去年以来一直持续的对称和标签测试集进行了对准确性评估的研究。在对对称性的一项研究中，去年创建了数据，并评估了该数据下提出的神经网络，但是在考虑实用性时，这还不够。结果，证实性能将与常规方法相提并论。接下来，无标签的测试集仅在去年实验验证，因此今年我们检查了理论上是否可以显示有效性。不幸的是，它尚未作为论文发表，但是如果这项研究表明理论上数亿美元，则预计测试集中的性能的性能将更加准确。此外，如果进一步保证了估计的保证，则可以扩展该方法。最后，有一种方法可以从去年发布的大型语言模型和图像生成模型中学习大量数据，并且在今年年底没有这种方法，也没有在原始研究计划中。但是，表演已成为一个热门话题，我们认为这项调查是必要的。根据今年进行的技术调查结果，我们将假定未来的利用。