記号のランダムベクトル化に基づく大規模マルチラベル深層学習法

• Project/Area Number: 24K02993
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related; Basic Section 60030:Statistical science-related; Sections That Are Subject to Joint Review: Basic Section60030:Statistical science-related , Basic Section61030:Intelligent informatics-related
• Research Institution: The University of Tokyo
• Principal Investigator: 林 克彦 東京大学, 大学院総合文化研究科, 准教授 (50725794)
• Co-Investigator(Kenkyū-buntansha): 宮尾 祐介 東京大学, 大学院情報理工学系研究科, 教授 (00343096) ; 上垣外 英剛 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (40817649)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,070,000 (Direct Cost: ¥13,900,000、Indirect Cost: ¥4,170,000); Fiscal Year 2026: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000); Fiscal Year 2025: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000); Fiscal Year 2024: ¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
• Keywords: ブルームフィルタ / 深層学習 / マルチラベル分類 / データベース

Outline of Research at the Start

本研究課題では、大規模な出力ラベル集合を扱う深層学習モデルの計算効率化に関する課題について取り組む。特に、ベクターシンボリックアーキテクチャに基づいた計算効率化の方法論を研究する。具体的には、① 提案する方法論の有効性検証、② 学習に適したVSAモデルの提案、③ 階層構造など複雑なラベル構造のモデル化、④ 大規模なデータ上での有効性検証、という4つの課題に取り組む。