| 研究課題/領域番号 |
16K00006
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
情報学基礎理論
|
|---|
| 研究機関 | 山形大学 |
|---|
研究代表者 |
内沢 啓 山形大学, 大学院理工学研究科, 准教授 (90510248)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2016年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | ニューラルネットワーク / しきい値回路 / 段数 / マージン / 機械学習 / エネルギー計算量 / 離散力学系 / ホップフィールドネットワーク / 計算複雑さ / 深層学習 / 計算量理論 / 特徴写像 |
|---|
| 研究成果の概要 |
本研究では，段数の大きなニューラルネットワークを用いた機械学習の性能がなぜ高いのかを理論的に説明することを目指した．その結果，ニューラルネットワークの一種であるしきい値回路を用いて，ある人工的な情報処理タスクの処理を行う場合，段数を大きくすることによって，ニューラルネットワークの性能が上がることを示唆する結果を得た．特に，その人工的なタスクに対して非常に良い性能を示すしきい値回路の具体的な構造も明らかにした．
|
| 研究成果の学術的意義や社会的意義 |
ニューラルネットワークによって実現できる情報処理の性質を理解することは，脳型の計算機，あるいはニューラルネットワークを用いた機械学習の基礎研究として重要である．特に本研究の結果は，ニューラルネットワークを用いて情報処理を行う場合，どのようなタスクに対してニューラルネットワークの性能が発揮されるのか，あるいは性能が発揮できる場合どのような設計が有効であるのかを明らかにすることにつながる．
|
