Generalized deep unfolding and its application to ambiguous domain knowledge modeling

• Project/Area Number: 24K03010
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Osaka University
• Principal Investigator: 早志 英朗 大阪大学, データビリティフロンティア機構, 准教授 (00790015)
• Co-Investigator(Kenkyū-buntansha): 古居 彬 広島大学, 先進理工系科学研究科(工), 助教 (30868237)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,590,000 (Direct Cost: ¥14,300,000、Indirect Cost: ¥4,290,000); Fiscal Year 2026: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000); Fiscal Year 2025: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000); Fiscal Year 2024: ¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
• Keywords: ニューラルネットワーク / 機械学習 / ベイズ深層学習 / Active learning

Outline of Research at the Start

近年の人工知能の基礎技術である深層学習はその学習に大量のデータを必要とするため，医療データのようなデータ収集にコストがかかり，ラベリングに専門知識が必要なドメインでは適用が困難な場合が多い．本研究では，専門知識を数式として表現し，深層学習の内部へ埋め込むことで少ないデータ数での学習を可能にする技術を提案する．そして，提案技術を生体信号解析や医用動画像解析といった実データ解析へ応用する．