–
2021-12-09
開催日時: 2021年12月9日(木)16:00~18:00
開催場所: オンライン(Zoom)
テーマ: 「全国規模の時空間ネットワークを用いた公共交通網の性能評価」
講師: 長谷川 大輔(東京大学)
概要: 近年,利用者減少やドライバー不足から,公共交通サービスの廃止・減便が全国的に進行している.さらにCOVID-19の流行によって,その縮小の流れがあらゆる交通サービスで加速しており,公共交通の時空間的不便地域の拡大が懸念されている.こうした現状を評価するために,ダイヤ情報をグラフ構造化した,時空間ネットワークを用いたアプローチが着目されている.本発表では,全国,かつマルチモーダルなダイヤ接続を考慮した所要時間の計測を可能とする,大規模な時空間ネットワークについて,その構築方法・計測方法について説明する.また,時空間ネットワークを用いた評価の一例として,COVID-19前後での公共交通アクセシビリティの変化,住民の日常的な移動に対する,公共交通の速達性・利便性から見た性能評価結果を紹介する.
–
2021-12-10
日時: 2021年12月10日(金) 13:00-15:00
会場: 京都大学 数理解析研究所(RIMS)
講演者: 小穴 智大 氏(ベルリン工科大学)
題目: Parameterized algorithms on (weakly) closed graphs
概要: For a graph G and one of its vertices v, let cl(v) = max |N(v) ∩ N(u)|, where the maximum is over all vertices u not adjacent to v. We say that G is c-closed if cl(v) < c for every vertex v and weakly γ-closed if every induced subgraph H of G contains a vertex v with cl(v) < γ in H. The closure (weak closure) of G is the smallest integer c (γ) such that G is c-closed (weakly γ-closed). Fox et al. [ICALP ’18, SICOMP 20] recently introduced these parameters motivated by triadic closure---a phenomenon occurring in social networks that pairs of vertices with common vertices tend to be adjacent. We discuss parameterized algorithms for classical graph problems on (weakly) closed graphs such as:
- s-plex (a relaxation of Clique) is O*(2^γ)-time solvable.
- Independent Set has a kernel with at most γk^2 vertices.
- Dominating Set has a kernel of size k^O(c).
- Induced Matching has kernels with at most O(c^7 k^8) vertices and at most k^O(γ) vertices.
The talk will be based on three joint works with Christian Komusiewicz and Frank Sommer:
- Exploiting c-Closure in Kernelization Algorithms for Graph Problems. ESA 2020.
- Computing Dense and Sparse Subgraphs of Weakly Closed Graphs. ISAAC 2020.
- Essentially Tight Kernels for (Weakly) Closed Graphs. ISAAC 2021 (to appear).
–
2021-12-13
–
2021-12-20
【日時】2021年12月20日(月)15:00-17:00
【場所】広島大学工学部A1棟 および Zoom オンラインのハイブリッド開催
【プログラム】
開会挨拶(15:00-15:05)
講演1(15:05-15:55)
講師:佐藤 裕二 氏(法政大学)
題目:形式仕様と遺伝的アルゴリズムを組合せたMutation testingに関して
概要:本講演では最初に、強化学習手法としての進化計算とプログラム自動生成に関して紹介します。遺伝的アルゴリズムに代表される進化計算は一般的に確率的な探索手法としての印象が強いですが、その本質は強化学習の枠組みを利用した解探索にあります。また、遺伝的アルゴリズムから派生した遺伝的プログラミングは、元々、LISPプログラムを自動生成するために考案されたアルゴリズムであり、強化学習を行いながら移動ロボットの制御プログラムを自律的に生成するために利用されています。すなわち、進化計算はプログラムの設計自動化を考える際の選択肢の一つとなり得ることを紹介します。次に、試験的な試みとして、形式仕様と遺伝的アルゴリズムを組み合わせたテストケース生成法を紹介します。この方法では、遺伝的アルゴリズムを用いて形式仕様を再構築することで、Mutation testingを対象として、テスト対象のターゲットプログラムに対する小さい変更(mutant)を検知(kill)するためのテストケースを生成します。2種類の古典的な問題を用いて、提案手法がMutation testingに有効に作用する可能性があることを示します。
休憩(15:55-16:05)
講演2(16:05~16:55)
講師:相澤 宏旭 氏(広島大学)
題目:深層学習による異常検知の基礎と応用事例
概要:異常検知は正常な生成分布とは別の分布から得られた異常データを検知するタスクである.しかしながら,異常データの発生頻度は低く,その変動も大きいため,異常の特徴量設計が困難という問題がある.本講演では,この問題の解決に向けて提案された少量の異常データもしくは正常データのみから学習可能な深層学習ベースの異常検知手法を紹介する.そして,深層学習と異常検知による産業,医療,セキュリティ分野などへの応用の未来とその課題について議論する.
閉会挨拶(16:55-17:00)