| 研究課題/領域番号 |
16K00339
|
|---|
| 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 |
ソフトコンピューティング
|
|---|
| 研究機関 | 東海大学 |
|---|
研究代表者 |
上村 龍太郎 東海大学, 情報教育センター, 非常勤講師 (80176643)
|
|---|
| 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 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2018年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
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 / 情報理論 / 汎化能力 / 解釈 / 情報圧縮 / 解釈能力 / 相互情報量 / 競合学習 / 内部表現 / 情報劣化 / ディープラーニング / 多層ニューラルネットワーク / 集合的解釈 / デープラーニング / 自己符号化器 / 中間層 / 情報量最大化 / ソフトコンピューティング / 人工知能 |
|---|
| 研究成果の概要 |
ニューラルネットワークの代表的な競合学習をより一般的な方法に移行する研究をおこなった。一般化によって競合学習を情報量最大化の一手法と考えることができることがわかった．すなわち，ニューラルネットワークの持つ入力パターンに関する情報量を容易に最大化することができるようになった．この最大化は，複雑な情報を整理する働きがあることもわかり，適切な情報を選択し，情報を圧縮することが可能となった．圧縮された情報は，最も単純なネットワークで表現することができ，ネットワークの推論過程を理解することに応用できることがわかった．
|
| 研究成果の学術的意義や社会的意義 |
意義は，情報量最大化法の単純化，情報の圧縮，さらに解釈可能なニューラルネットワークの開発の3点に要約できる．まず，これまで最大の問題であったニューラルネットワークの持つ情報量の制御を非常に簡単な競合学習で行うことができることがわかった．また，情報量を圧縮することも容易になり，圧縮された情報量を読み取ることが可能となり，解釈へ応用できる可能性が示された．推論過程の解釈が可能となり，より深く社会に受け入れられる方法へ発展する可能性を示したと考える．
|
