2020 Fiscal Year Annual Research Report
Creation of Self-organizing Cognitive Architecture Integrating Probabilistic Generative Model and Deep Learning
| Project/Area Number |
18H03308
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
谷口 忠大 立命館大学, 情報理工学部, 教授 (80512251)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
萩原 良信 立命館大学, 情報理工学部, 講師 (20609416)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 機械学習 / 深層学習 / 確率的生成モデル / 認知アーキテクチャ / 自己組織化 |
|---|
| Outline of Annual Research Achievements |
実世界の経験から言語を獲得する知能を実現するためには，分散開発が効率的に可能であり，再統合後に自己組織的な環境適応が可能となる認知アーキテクチャをいかにして作るか？という「問い」に答える必要がある．本研究では，確率的生成モデルと深層学習の双対的関係に着目し，それぞれの長所を活用可能な自己組織型認知アーキテクチャの分散開発フレームワークを確率モデルの理論的基盤の上で提案し，その有効性を示すことを目指して研究を行ってきた．以下の項目に基づいて研究を進めてきている．
1. 確率的生成モデルと深層学習の双対的関係を活用した教師なし学習モジュールの開発：音声変換のための深層生成モデルであるStarGAN-VCに着目し研究を推進した．音響特徴量の話者依存性を吸収する機能を確率的生成モデルによる二重分節解析器と統合的に用いる手法に関してその有効性を検証した．またStarGAN-VCの感情変換への応用可能性を検証した．さらに音声認識器の結果を潜在表現の事前分布に活用し音声認識と音声変換を生成モデルの視点から統合する手法を開発した．
2. 自己組織型認知アーキテクチャの分散開発フレームワークの構築：前年度に提案したNeuro-SERKETの考え方を更に発展させ，全脳レベルでの脳構造に学び深層確率的生成モデルにもとづき統合的認知システムを構成する全脳確率的生成モデル（whole brain probabilistic generative model）を提案した．
3. 自己組織型認知アーキテクチャの実ロボットへの実装と実世界タスクによる検証：ロボットが実環境で活動する際に地図生成を行うが，その地図の事前分布として深層生成モデルを利用して知識転移を行う手法を提案しその妥当性を検証した．またこれらの考え方をまとめ，学会誌の解説記事や招待講演，一般向け書籍を通じて発信した．
|
| Research Progress Status |
令和2年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和2年度が最終年度であるため、記入しない。
|
