| 研究課題/領域番号 |
16K00342
|
|---|
| 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 | 中部大学 |
|---|
研究代表者 |
中野 良平 中部大学, 工学部, 客員教授 (90324467)
|
|---|
| 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 |
2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2018年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2017年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2016年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 多層パーセプトロン / 特異領域 / 特異階段追跡法 / 複素ニューラルネット / 深層学習 / モデル選択 / ニューラルネットワーク / 機械学習 / 特異モデル |
|---|
| 研究成果の概要 |
ニューラルネットの特異領域を利用して系統的に一連の良解を求める特異階段追跡（SSF:singularity stairs following）原理を開発し、実多層パーセプトロン（MLP）にはSSF1.4法を、実RBF（radial basis function）ネットにはRBF-SSF-pH法を、複素MLPにはC-SSF1.3法をそれぞれ完成し、優れた性能を確認した。そうした優れた学習法を特異モデル選択とカオス軌道予測に適用して有用性を示すとともに、深層モデルに繋がる混合非線形回帰の実現性とヘテロデータ（複数の生成源から得られたデータ）に対する優れた適合性を示した。
|
| 研究成果の学術的意義や社会的意義 |
学術的意義：深層学習の成功により、ニューラルネットの有用性が再認識されているが、本研究で技術確立した特異階段追跡（SSF）原理は、ニューラルネットの学習性能、特に解品質を著しく向上させるものである。深層学習と併用することにより、全体性能の一層の向上が期待される。また今後、SSF原理を他のニューラルネットモデルに適用する研究の展開も期待される。
社会的意義：近年の人工知能は多分野に導入されて大ブレークした。その中核には機械学習があり、特に、深層学習の成功が大きい。本研究は深層学習の性能に磨きをかけて有用性拡大に貢献すると期待される。
|
