2021 Fiscal Year Annual Research Report
Creation of the acceptable intelligent system based on the system intelligence circulation
| Project/Area Number |
19H02159
|
|---|
| Research Institution | Yokohama National University |
|---|
Principal Investigator |
濱上 知樹 横浜国立大学, 大学院工学研究院, 教授 (30334204)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | マルチドメイン学習 / 深層強化学習 / リザバーコンピューティング |
|---|
| Outline of Annual Research Achievements |
事業最終年度では，当初掲げた３つの目標についてそれぞれ成果展開をはかった。まず，小規模のデータから優れた教師モデルを効率的に蒸留（目的1）し，マルチドメイン学習を実現（目的2）するマルチドメイン学習理論（目的3）として，新たなドメイン適応学習法を開発した。対象の空間がマルチドメイン空間である場合にドメインをベイジアンネットワークによって適応的に分割し、そのコンセンサスを推論に活用するために別のドメインへ知識を転移させる転移学習を実現し，バリュエーションモデルを対象に実データを用いた学習を行い優れた推論結果が得られた。２つめの成果として，小規模データの学習時に問題となる実用的な誤識別の許容範囲を制御する方法を明らかにした（目的１の派生）。知識分布を外部知識として与えることで訓練データ近傍の未知データに対して訓練ラベルと同じかラベル間距離が小さいラベルを予測可能な深層学習モデルを明らかにした。これらの成果により，深層学習の社会実装上の技術的負債（導入の負担，運用の複雑さ，ライフサイクルの短さ）を軽減する設計および実装方法の例を示すことができた。さらに制御問題における小規模データからの学習理論に関しては，複数のエキスパートから方策推定を行う敵対的逆強化学習の実現に至った（目的2,3の派生）。低コストで時系列データに対応可能なリザバーコンピューティングに注目し，Dual ESNsと名付けた2つのリザバー層による状態表現モデルによって，低コストかつ，高精度な制御で不完全知覚の影響緩和に成功した。最終的な応用目標に掲げたマルチモーダル画像診断(目的3)に対しては，位相相関とCNNによる移動推定とSuperpixelsを用いた物体の形状変形に対応可能なオプティカルフロー推定を提案し，Attention機構によって小規模データから高精度で物体追従できるアルゴリズムを明らかにした。
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
