| 研究課題/領域番号 |
16K00228
|
|---|
| 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 |
知覚情報処理
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
手塚 太郎 筑波大学, 図書館情報メディア系, 准教授 (40423016)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2020年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2017年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2016年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | 辞書学習 / スパー符号化 / カーネル法 / 特徴量抽出 / スパース符号化 / 画像解析 / 行列分解 / ガウス過程回帰 / 画像特徴量 / スパースモデリング |
|---|
| 研究成果の概要 |
スパース符号化のための辞書学習における内積を正定値カーネルに置き換えることで、観測値ベクトルとの間で非線形な関係性を持つアトムを学習させる手法を開発した。アトムは観測値ベクトルを生成するテンプレートと捉えることができ、潜在的な特徴量とみなすことができる。
さらに、辞書学習を用い、画像データから特徴量を取得する研究を進めた。特にカルシウムイメージングによって記録された動物脳内の神経活動を表す動画を時間成分と空間成分に分解し、発火パターンをテンプレートとして取り出すシステムを開発した。辞書学習は深層学習よりも高速で学習することが可能なため、パターンに応じて脳にフィードバックを送る実験系が実現された。
|
| 研究成果の学術的意義や社会的意義 |
スパース符号化のための辞書学習は観測値からパターンを発見する汎用の技術であり、幅広い用途が存在する。画像を様々な構成要素の重ね合わせと見た場合、パターン発見は構成要素への分解となる。音声については音源分離がパターン発見に相当する。たとえば神経科学において、特定の性質を持った神経細胞の活動を検出することが必須のステップである。このようなアプローチはアルツハイマー病やパーキンソン病といった神経変性疾患の研究において欠かすことができない。本研究の手法は生物学や医学において新たな知見をもたらし、医療においても貢献することが期待される。
|
