Project/Area Number |
23H05492
|
Research Category |
Grant-in-Aid for Scientific Research (S)
|
Allocation Type | Single-year Grants |
Review Section |
Broad Section J
|
Research Institution | Kyushu University |
Principal Investigator |
竹内 純一 九州大学, システム情報科学研究院, 教授 (80432871)
|
Co-Investigator(Kenkyū-buntansha) |
武石 啓成 九州大学, システム情報科学研究院, 助教 (00963779)
三村 和史 広島市立大学, 情報科学研究科, 教授 (40353297)
村田 昇 早稲田大学, 理工学術院, 教授 (60242038)
長岡 浩司 電気通信大学, その他部局等, 名誉教授 (80192235)
|
Project Period (FY) |
2023-04-12 – 2028-03-31
|
Project Status |
Granted (Fiscal Year 2023)
|
Budget Amount *help |
¥205,140,000 (Direct Cost: ¥157,800,000、Indirect Cost: ¥47,340,000)
Fiscal Year 2024: ¥20,670,000 (Direct Cost: ¥15,900,000、Indirect Cost: ¥4,770,000)
Fiscal Year 2023: ¥59,800,000 (Direct Cost: ¥46,000,000、Indirect Cost: ¥13,800,000)
|
Keywords | 深層学習 / Fisher情報行列 / MDL原理 / 汎化誤差 / 固有値分解 |
Outline of Research at the Start |
ニューラルネットのFisher情報行列の性質を手掛かりに深層学習の理論基盤についての研究及び実応用の研究を実施する. 2023年度には2層ニューラルネットの汎化誤差の理論を示す.次に,その結果とFisher情報行列がブロック対角に漸近することを足掛かりに,多層のニューラルネットの汎化誤差解析に取り組む.これは2025年度までの解決を目標とする主要な課題である.これに加え,Fisher情報行列の近似固有値分解に基づいて,勾配法の高速化,自然勾配法の考察,二重降下現象の考察を行う.並行して,理論成果に基づいてMRIの画像再構成アルゴリズムなどの深層学習の実応用に取り組む.
|