| Project/Area Number |
19J20669
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 61050:Intelligent robotics-related
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
伊藤 健史 奈良先端科学技術大学院大学, 先端科学技術研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2019-04-25 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥3,100,000 (Direct Cost: ¥3,100,000)
Fiscal Year 2021: ¥1,000,000 (Direct Cost: ¥1,000,000)
Fiscal Year 2020: ¥1,000,000 (Direct Cost: ¥1,000,000)
Fiscal Year 2019: ¥1,100,000 (Direct Cost: ¥1,100,000)
|
|---|
| Keywords | ニューラルネットワーク / 少数データ / ロボット / 動力学 / グラフ / 動力学モデル / 注意機構 / グラフニューラルネットワーク / 深層学習 |
|---|
| Outline of Research at the Start |
本研究では、人間の行動データ中に現れる「注意」に着目し、機械学習器を少ない学習データから効率的に訓練する手法の開発を目指す。人間は新しい概念やモデルを学習したり、未知の事象を観察したりする際に、重要と思われるデータに対して自然に注意を向けることで、少ないデータからの学習を実現していると考えられる。本研究では、機械学習器に注意のメカニズムを組み込み、人間の行動データを教師として訓練する。この注意の「予測誤差」を利用することで、重要な学習データを選別して利用する効率的な学習アルゴリズムを構成する。
|
| Outline of Annual Research Achievements |
最終年度として、これまでに手掛けた研究内容について複数の発表を行った。
1) まず、ロボットの正確な動力学モデルの学習を可能にするニューラルネットワーク設計手法とデータ収集手法の提案を行う研究については、英文原著論文としてまとめ、Neural Computation誌に投稿・受理された。この論文では、ロボットの運動方程式に基づいた構造のニューラルネットワークを用いることにより、小さなニューラルネットワークでも正確な動力学モデルを学習でき、高速なモデルベース制御に用いることができることを示した。
2) 次に、多階層注意機構を取り入れたグラフニューラルネットワーク構造の提案を行う研究については、前年度末にNeural Networks誌に投稿済みであったが、3度にわたるmajor revisionの末、本年度後半に受理されるに至った。この論文では、グラフデータ構造の階層的な構成性に着目し、グラフニューラルネットワークの信号伝播の各段階における情報を保持することで、性能を向上させられることを示した。
これら2本の論文が受理・公開されたことで、本研究課題の目標は十分に達成されたと評価することができる。すなわち、ニューラルネットワークの設計において、ドメイン知識を効果的に利用した構造を導入することで、少ないパラメータでも精度の良い予測が可能な学習器を構築できること、ひいては（パラメータ数が小さいことにより）学習データ数も小さく抑えられ、機械学習にかかるコストを低減できることが示された。
さらに、上記の研究を遂行する過程で得られた知識・知見を活かして、医療現場で用いられる人工知能技術について取り扱った書籍の執筆でも中心的役割を果たした。
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
