| 研究課題/領域番号 |
16K00248
|
|---|
| 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 | 兵庫県立大学 |
|---|
研究代表者 |
礒川 悌次郎 兵庫県立大学, 工学研究科, 准教授 (70336832)
|
|---|
| 研究分担者 |
松井 伸之 兵庫県立大学, 工学研究科, 特任教授 (10173783)
|
|---|
| 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: 910千円 (直接経費: 700千円、間接経費: 210千円)
2017年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2016年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | ニューラルネットワーク / 複素ニューラルネットワーク / 四元数 / エクストリーム学習器 / 畳み込みニューラルネットワークモデル / 深層学習 / 可換四元数 |
|---|
| 研究成果の概要 |
本研究課題では，超複素数における深層学習手法を開発するとともに，それを組み込みシステムへの実装ならびに画像解析への応用に供することを目的としている．そのため，達成すべき課題は，(1) 超複素数に基づく深層学習手法の確立，(2) この深層学習による画像解析システムの構築・評価の二点に分けられる．
(1)に関しては，超複素数の一つである四元数に基づくエクストリーム学習器および四元数に基づく畳み込みニューラルネットワークモデルの構築を行った．(2)に関しては，四元数エクストリーム学習器の再構成プロセッサへの実装ならびに色彩情報復元問題を用いた評価を行った．
|
| 研究成果の学術的意義や社会的意義 |
従来のニューラルネットワークを大規模化したものは深層学習あるいはディープラーニングと呼ばれるものであり，これは画像情報などの多次元データを多数のニューロンと呼ばれる基本素子により処理するシステムである．本研究課題では，ニューロンの数ではなく各ニューロンが多次元のデータを処理することにより大規模化する方法を検討したものである．本課題において構成したニューラルネットワークでは，多次元のデータを処理するために多次元の数体系を導入することにより，従来の実数に基づくニューラルネットワークよりも効率的に処理できうることを示し得た．
|
