オムロン京都本社にて恒例となりつつある機械学習関連の論文読み会、NIPSにICLRにと開催してきましたが今回はICMLです。
いまのところ毎回登壇して皆勤賞です、今回はGoogle社が提唱したFederated Learning関連の論文を選択しました。
簡単に言うと、複数のクライアントがデータを１箇所に集約して機会学習したのと同等効果を、クライアント間のデータ共有なしに非集中環境の機械学習で実現するのがFederated Learningという技術です。
このとき、データ量だったりクラス分布に偏りがあると、あのクライアントのデータはよく識別できるのに、あのクライアントのデータは識別できないといった状況になりうるので、ええ感じに工夫しましょうという論文です。
質疑応答の内容はこちらにTweetでまとめています
口頭で頂いた質疑応答について整理しました（このツイートのリプライ履歴参照）#ICML_KYOTO
— 岡本大和 on ﾛｰﾄﾞﾛｰﾗｰ (@RoadRoller_DESU) August 4, 2019
LT枠の発表
こちらもFederated Learning 関連論文から選択
個人的に収穫だったのは、生物学的なアプローチをとっている論文を紹介頂けたこと。こういう自分では読まなそうな研究と出会えるのがこの活動の醍醐味でもありますね。
「ICML2019 読み会 in 京都」、休憩後は ShuntaroOhno 様による発表です。
タイトルは「Training neural networks with local error signals」。
資料はこちら：https://t.co/b13Emc4c1a#ICML_KYOTO— Tech OMRON (@Tech_OMRON) August 4, 2019