深層学習によるデータからの学習法の急速な発展により, 高性能な人工知能の実現が可能となっている. しかし, 深層学習により学習された人工知能は, 学習データを生起した分布とは異なる分布から生起されたデータに対しては正しい推論ができないことが知られている. この問題の有力な解決法として,不変学習という方法論が近年注目を集めているが, 学習時に定めるべき恣意性のあるパラメータの選択が非常に困難であることがボトルネックとなり, その性能は十分な水準に達していない現状である. 本研究では, 連続, 時系列, 関数データなど多様な出力データを対象とした不変学習のパラメータ選択法の確立を目指す.
