# 2022 白井さん修論研究

## 概要

* A) アンサンブルの学習の勉強（白井くんの前回のIKNゼミの報告関係）
* B) アンサンブル/ルールリストの変更を限定した更新学習
* MLOps = machine learning operations
* ルールリストの列挙（OBの又さんの研究），
* C) ルールリスト（モデル）間の距離尺度：
* 類似度(similarity measure)と距離(distance)
* Wasserstein distanceに基づく確率モデル間の距離
* Tree Wasserstein distance

資料
* Takizawa, Sato Ryoma, Yamada: ICML 2021 Supervised Tree-Wasserstein Distance（チュートリアルスライドの佐藤龍馬さんの論文です）
* Kolouri+ CVPR 2018, Sliced Wasserstein Distance for Learning Gaussian Mixture Models
* Sarlin+, CVPR 2020 SuperGlue: Learning Feature Matching with Graph Neural Networks

## 220727 打合せ
* 夏休み前に方向性．
* 議論の頭出し
* 今後進め方

## 参考文献

## EOF