2018 Fiscal Year Annual Research Report
Research and Development of Experiment Candidate Recommendation System with Reasoning and Learning
| Project/Area Number |
16K00304
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
越村 三幸 九州大学, システム情報科学研究院, 助教 (30274492)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
力 規晃 徳山工業高等専門学校, 情報電子工学科, 助教 (50290804)
藤田 博 九州大学, システム情報科学研究院, 准教授 (70284552)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 深層学習 / 顕微鏡画像の分類 / SAT符号化 / 最適化問題 |
|---|
| Outline of Annual Research Achievements |
本年度は、(A) 機械学習技術を用いた顕微鏡画像解析、(B) SATを用いた最適化問題の解法、に関して取り組み、7件の学術発表（内3件は、学術誌）を行った．
(A) については、100人の尿の顕微鏡写真から14033枚の有形成分（細胞）の画像を切り抜き、深層学習を用い分類を行った．最も重要度の高い2種類の細胞AとBを識別するのを目標に、A、B、それ以外、の3分類問題として課題に取り組んだ．ネットワークは、CNN（Convolution Neural Network）あるLeNetを参考に、全層畳み込みネットワークをベースにしたものを用い、正答率97.26%のモデルを得た．さらにハイパーパレメータ探索を行い、正答率を98.30%のモデルを得ることができた．
(B) については、(B-1) 分割決定木で記述された提携構造形成（CSG）問題をSATを用いて解く手法と分枝限定法を用いる手法の比較、(B-2) MC-netsで記述されたCSG問題をSATで解く際の推移律の符号化の制約数を減らす手法の提案と評価、(B-3) 擬似ブール制約の新しいSAT符号化の提案と評価、を行った．
(B-1) については、負の効用がある問題ではSAT手法が格段に効率的であること、(B-2) については、従来手法に比べ１桁程度の性能向上、(B-3) については、多くのベンチマークでの効果、を定量的に確かめた．
定期的な研究活動については、力研究分担者と２ヶ月に一回程度、九州大学あるいは出張先で、成果発表・情報交換を行った．
|
