2011 Fiscal Year Annual Research Report
| Project/Area Number |
21500221
|
|---|
| Research Institution | Tokai University |
|---|
Principal Investigator |
上村 龍太郎 東海大学, 情報教育センター, 教授 (80176643)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
竹内 晴彦 産業技術総合研究所, ヒューマンライフテクノロジー研究部門, 主任研究員 (00357401)
|
|---|
| Keywords | ニューラルネットワーク / 自己組織化マップ / 特徴抽出 / 情報理論 / エントロピー / 相互情報量 / エンハンスメント / 内部表現 |
|---|
| Research Abstract |
本研究では、ニューラルネットワーク(特に競合学習)が学習によって獲得した内部表現を明確に解釈する新しい方法を提案することを目的とした。この解釈とは、ニューラルネットワークのすべての構成要素・要素結合の意味と機能を理解すると考える。
2011年度の研究内容は、次の3項目に要約できる。より解釈しやすい内部表現の生成、ニューロンの社会化、そして教師付き学習への拡張である。
まず、より解釈しやすい内部表現を説明する。データが複雑になった場合、情報エンハンスメント法によって得られた内部表現は、理解しにくいことがあった。そこで、より解釈しやすい、より特徴を持った内部表現を生成する研究を行った。たとえば、多くのニューロンが共有する特徴をより強化する方法により解釈しやすい表現を作る研究をおこなった。
次に、ニューロンの社会化である。解釈しやすい表現の研究を通して、ニューロンの個性を考慮する方法の必要性を感じた。ニューロンの個性(個別的特徴)とニューロン集団の特徴の抽出と相互作用の研究の必要性である。そこで、ニューロンの個別的特徴と集団的特徴をいかにして分離するかの研究をおこなった。この分離がある程度可能であることを確かめた。さらに、個別ニューロンと集団としてニューロン相互作用の研究にも着手した。
最後に、方法の教師付き学習への拡張である。これまでの研究はすべて教師無し学習を対象としていた。このため応用の範囲が限定されていた。本年度は、教師付き学習も含めてより一般的なニューラルネットワークに適用できる方法へと拡張した。
2011年度の研究を通して、情報エンハンスメント方法は、ニューラルネットワークの学習結果を理解するためには有効であることがわかった。しかし、よりエンハンストしやすい内部表現を作ることが必須であることもわかった.
|
