2021 Fiscal Year Annual Research Report
Structured Convolutional Networks for High-dimensional Signal Restoration
| Project/Area Number |
19H04135
|
|---|
| Research Institution | Niigata University |
|---|
Principal Investigator |
村松 正吾 新潟大学, 自然科学系, 教授 (30295472)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
日比野 浩 大阪大学, 医学系研究科, 教授 (70314317)
崔 森悦 新潟大学, 自然科学系, 准教授 (60568418)
山田 寛喜 新潟大学, 自然科学系, 教授 (20251788)
安田 浩保 新潟大学, 災害・復興科学研究所, 研究教授 (00399354)
湯川 正裕 慶應義塾大学, 理工学部(矢上), 准教授 (60462743)
小野 峻佑 東京工業大学, 情報理工学院, 准教授 (60752269)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | スパースモデリング / 信号復元 / 信号推定 / 辞書学習 / 畳み込み構造 / フィルタバンク / グラフ信号 |
|---|
| Outline of Annual Research Achievements |
計測技術の発展と共に多様かつ膨大な物理データの取得が可能となった。同時に、信号復元の高性能化への要求が高まっている。高性能な信号復元の実現には、対象となる物理データを効果的に表現できる生成モデルが必要である。ただし、既存の生成モデルにはドメイン知識を反映し難い課題が残されている。そこで本研究では、フィルタバンク理論を適用し、最適化理論の研究成果と組み合わせた新たな構造化畳み込みネットワークモデルの創出を試みている。提案法により、物理的に解釈が容易な構造設定を可能とし、設計や実装を効率化することを目指している。
多様な実データに対して、ドメイン知識を反映する畳み込みネットワークを実現し、提案手法の有効性と汎用性の実証を試みている。令和3年度は、対称性やタイト性、非分離性などの性質を有する畳み込み辞書として非分離冗長重複変換(NSOLT)を基盤とし、深層モデルベースネットワークの構築や復元アルゴリズムを実装する際の演算精度の影響に関する議論を進めてきた。また、グラフ信号の時間発展式をデータ駆動により導出するため、グラフフィルタバンクを利用した動的モード分解(DMD)の議論も展開した。以下に令和3年度の主な成果をまとめる。
(i) ツリー構成NSOLTと係数のスケール間関係を利用したスパースモデリングから、ループ展開ネットワークを構築し、少ない学習パラメータで高品質な画像復元を実現した。(ii) ツリー構成NSOLTと係数のスケール間関係を利用し、教師データを必要としない画像復元手法「深層画像事前分布(DIP)法」を少ない学習パラメータで実現した。(iii) 主-双対近接分離(PDS)法を用いた画像復元に加速法や有限語調化を導入し、その品質と速度を評価した。(iv) 合成辞書とスパースモデリングを利用したDMDを時系列グラフ信号の予測問題に適用し、河川水位分布の予測を実施した。
|
| 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。
|
