| 研究課題/領域番号 |
15H05327
|
|---|
| 研究種目 |
若手研究(A)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
ウェブ情報学・サービス情報学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
中山 浩太郎 東京大学, 大学院工学系研究科(工学部), 特任講師 (00512097)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
14,560千円 (直接経費: 11,200千円、間接経費: 3,360千円)
2018年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2017年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2016年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2015年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
|
|---|
| キーワード | Deep Learning / 人工知能 / 計算科学 / 機械学習 / 脳科学 / Webデータ / スパースデータ / データサイエンス / AI / データ解析 / 人口知能 / ニュートラルネットワーク / スケーラビリティ / GPGPU |
|---|
| 研究成果の概要 |
本研究課題では，最新の脳科学の知見を活かしてスケーラビリティの高いDeep Learning手法を開発し，柔軟な知識処理機構を実現することを目指して研究を進めてきた。本機構が目指す目標は，多様なタスク（アプリケーション）へ適用可能な汎用性の高い知識処理のモデルおよび，大規模なデータをリアルタイムに処理可能な並列処理に最適化された計算モデルの２点である．予定どおり基礎研究および応用研究についての研究を進めることができ、その成果は国際会議・国内論文誌含め、多くの論文として対外発表することができた。
|
| 研究成果の学術的意義や社会的意義 |
第三次AIブームを牽引しているDeep Learning技術は、計算時間や計算コストが大きな課題であった。本研究課題では，最新の脳科学の知見を活かしてより効率的かつ柔軟な知識処理機構を持つDeep Learning手法を実現することを目指して研究を進めてきた。予定どおり基礎研究と応用研究についての研究を進めることができ、国際会議・国内論文誌含め、多くの論文として対外発表することができた。
|
