オックスフォード大学、ウォーリック大学，ハーバード大学等のチームが作成した機械学習ライブラリ「ABCpy」に、理研AIP不完全情報学習チームの研究者ら*の論文「γ-ABC: Outlier-Robust Approximate Bayesian Computation based on A Robust Divergence Estimator」（AISTATS-21採択論文**）の内で提案した「γ-ABC」という手法が搭載されました。当当該論文では、多くのノイズや外れ値が混在するような汚染データ下でも高精度な近似ベイズ計算 (Approximate Bayesian Computation; ABC)を遂行可能にする方法を提案しています。 ABCは、複雑な現象のシミュレーションを行うためのモデル学習を行う方法であり、宇宙学・遺伝学・生物学等の幅広い科学分野で用いられています。本手法がABCpyに搭載されることで、様々な科学分野に従事する全世界の研究者・データアナリストが、信頼性の高いシミュレーションを迅速に簡便に取り行なうことが可能になり、安心安全な科学研究・知識発見の社会浸透・促進に繋がることが予想されます。
*Authors:
Masahiro Fujisawa (The University of Tokyo / RIKEN)*Primary Author
Takeshi Teshima (The University of Tokyo / RIKEN)
Issei Sato (The university of Tokyo/RIKEN)
Masashi Sugiyama (RIKEN / The University of Tokyo)
（As of January 29, 2021）
**In Proceedings of 24th International Conference on Artificial Intelligence and Statistics (AISTATS2021), pp.1783-1791, online, Apr.
13-15, 2021.
For more details, please see the following website.
http://proceedings.mlr.press/v130/fujisawa21a.html
-ABCpy
https://abcpy.readthedocs.io/en/latest/abcpy.html#abcpy.distances.GammaDivergence
https://arxiv.org/pdf/2104.03889.pdf
https://abcpy.readthedocs.io/en/latest/abcpy.html
https://arxiv.org/pdf/1711.04694.pdf
