Theory and Implementation of Interpretable Nonlinear Integral Neural Networks

Research Project

Project/Area Number	24K06868
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 12040:Applied mathematics and statistics-related
Research Institution	Kyushu Institute of Technology
Principal Investigator	本田あおい九州工業大学, 大学院情報工学研究院, 教授 (50271119)
Project Period (FY)	2024-04-01 – 2029-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000) Fiscal Year 2028: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000) Fiscal Year 2027: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000) Fiscal Year 2026: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000) Fiscal Year 2025: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000) Fiscal Year 2024: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Keywords	深層学習 / 数理モデル / 機械学習 / 非線形積分 / 解釈可能なAI
Outline of Research at the Start	ニューラルネットワークの技術が進展し、予測精度の飛躍的な向上により幅広い分野に革新的な変化をもたらしているが、モデルの解釈性が低いという問題は解消できていない。本課題の目的は、非加法性理論と深層学習を融合し、解釈可能かつ幅広く応用可能な技術を開発し、予測力と説明力を両立するデータ解析技術を確立することである。申請者自身が提案する積分統合演算を組み込んだネットワークモデルを用いて推論技術と情報抽出技術の開発、及びこれを用いた他のブラックボックスモデルに解釈性を与える手法を開発する。開発技術は実装してライブラリとして公開する他、理論解析を行い精密な十分条件や公理による特徴づけにより理論補強を行う。