| Project/Area Number |
21K12061
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61040:Soft computing-related
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
古川 徹生 九州工業大学, 大学院生命体工学研究科, 教授 (50219101)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
石橋 英朗 九州工業大学, 大学院生命体工学研究科, 助教 (30838389)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2021: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | メタモデル / 最適輸送距離 / マルチドメイン / マルチビュー / メタモデリング / マルチタスク学習 / 多様体モデリング / マルチレベルモデリング / データ集合体 |
|---|
| Outline of Research at the Start |
本研究の目的は，データ集合の集合(データ集合体)をモデリングする学習の理論と手法開発，およびその応用である.本研究ではデータ集合体を多様体を用いて確率モデル化するとともに，それらを確率モデル空間におけるリーマン多様体として階層的にモデル化する.その際，確率モデル間の距離を最適輸送距離で定義する.すなわち測地的最適輸送距離による階層的多様体モデリングの開発と学習理論究明が本研究の目標である.
|
| Outline of Annual Research Achievements |
今年度は以下の研究を実施内容と成果は以下のとおりである。
(1) 第一に、最適輸送距離とメタ学習の関連性について理論的研究を深めた。最適輸送距離を直接最適化するのではなく、ガウス・ヘリンジャー距離に基づく不均衡最適輸送距離にすることが勾配法による最適化が可能になり、これが今まで取り組んできたメタモデル学習と関連することが見えてきた。この内容は2024年度の人工知能学会で発表予定である。
(2) 第二に、メタモデルを利用して、多様なダイナミクス集合を、状態空間モデルのメタモデルとして学習することで、その分岐構造や多様な運動生成につなげられることを進めている。この成果は、2024年度のNOLTA国際会議で発表予定である。
(3) 第三に、マルチビューデータもある種のメタモデル学習とみなして最適輸送距離を導入することで、適切なメトリック推定ができるこどう示した。これは2023年度の国際会議で発表した。
(4) 第四に、文献検索におけるドキュメント・キーワード関係データも、「さまざまなユーザーの関心の対象」ごとにメタモデルをすることで、より効果的な情報検索・情報探索システムが構築できることを示した。またセレンディピティやドメイン知識獲得にも応用できることがわかった。この成果は特許出願を行った。また2024年度に論文投稿の予定である。この他にも、メタモデル学習の基礎となるドキュメント・タグの相互情報量に基づく同時埋込みの研究を行い、国際会議で発表を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
ここ数年の精神的な体調不良（鬱病）のため、研究を推進させることが困難であった。現在は治療中で回復しており、１年間延長することでこの遅れを取り戻す計画である。
|
| Strategy for Future Research Activity |
この１年間、本申請課題の最終年として、以下の点にテーマを中心に今での研究を総括、発表することに重点をおく。
(1) 最適輸送距離とメタモデル学習の理論的関連性の明確化。メタモデル学習において、モデル間の距離を最適輸送距離で理論化を完成させる。とりわけ、ガウス・ヘリンジャー距離の観点で、目的関数を緩和し、KLダイバージェンスに基づく従来法との共通点と相違点を明確にするとともに、実用的な計算法を実現する。
(2) 複数の状態空間モデルをメタモデル学習することで、ダイナミクス集合の学習法を確立する。これよにより、非線形力学系の分岐構造を推測したり、多様な運動を表現したりできるようにする研究を行う。分岐構造に関しては非線形力学系の数値シミュレーションを用い、一方で運動のメタモデリングは人間の運動の実データを用いる。またこれらの成果を国際会議等で発表を行う。
(3) 新規の発展性として、情報幾何学の観点から見たメタモデリング理論へ展開するアイデアが具体化してきた。緩和した最適輸送距離をKLダイバージェンスの観点で表現するとともに、情報幾何学の視点でそれを再定式化する。この１年間では、今後の発展テーマの確立という位置づけで取り組む。
(4) メタモデリングの実応用として、さまざまな異なる視点からの検索や探索を可能とする情報システムができることがわかった。この着想を元に情報システムを開発する。すでに試作品段階はできており、本年度において完成させ、国際会議・論文等で発表する。
|
