| 研究課題/領域番号 |
14J02948
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 国内 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
齋藤 真樹 東北大学, 情報科学研究科, 特別研究員(DC2)
|
|---|
| 研究期間 (年度) |
2014-04-25 – 2016-03-31
|
| 研究課題ステータス |
完了 (2015年度)
|
| 配分額 *注記 |
1,900千円 (直接経費: 1,900千円)
2015年度: 900千円 (直接経費: 900千円)
2014年度: 1,000千円 (直接経費: 1,000千円)
|
|---|
| キーワード | 機械学習 / ディープラーニング / マルコフ確率場 / 条件付き確率場 / 確率伝搬法 / 平均場近似 |
|---|
| 研究実績の概要 |
申請者は前年度の研究内容「(a)新潟大学医学部との共同研究で得られた猿の脳活動データを使って生体ニューラルネット(以下NN)の時間方向の挙動をとらえる」および「(b)物性物理学の方法論を用いて，NN全体のふるまいを確率的に捉えた新しいNNモデルを導出する」の結果を元に発案した手法を，コンピュータビジョン分野のトップ会議であるCVPRのポスターセッションで発表した．
次に，申請者は研究内容「(c) 生体 NN に比肩する規模の人工 NN を構築する」および「(d) 人工NNを一般画像認識の問題に対して応用する」を実施するため，大規模なBMを百万枚規模の自然画像を用いて学習させることを試みた．学習を効率化することで得られたモデルが従来のNNと比較してどのような精度を達成しているのかを確かめるため，申請者はまずCNNを用いた学習の方法論を習得する必要があると考えた．そのため，申請者は東京大学大学院 相澤・山崎研究室の後期博士課程3年(現在は卒業)の松井勇佑氏と共同研究を行い，その成果をメディア情報処理分野のトップ会議であるSIGGRAPH Asiaに発表した．
これらの研究成果を用いて，本提案手法で学習した大規模なBMを従来のフィードフォワード型のNNと比較したところ，現時点においてはあまり良好な結果は得られていないものの，今後の研究如何では同等程度あるいはそれを上回る可能性も充分あると考えられる．また，この研究で得られた提案手法(高速かつ高精度にMRFを学習させるための方法論)は条件付き確率場を含む幅広いモデルに対して適用できる方法論である．そのため，今後は本提案手法をMRFの別の問題に対して応用することで新しい成果を挙げる方向性と，BMモデルを効率的に学習させるためのより洗練された方法論を提案することで本研究課題を推進する2つの方向性で，研究を実施する所存である．
|
| 現在までの達成度 (段落) |
27年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
27年度が最終年度であるため、記入しない。
|
