研究課題/領域番号 |
16K00347
|
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 | 立教大学 (2021-2022) 国立研究開発法人産業技術総合研究所 (2016-2020) |
研究代表者 |
新田 徹 立教大学, 人工知能科学研究科, 特任教授 (20357726)
|
研究期間 (年度) |
2016-04-01 – 2023-03-31
|
研究課題ステータス |
完了 (2022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: 780千円 (直接経費: 600千円、間接経費: 180千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
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 | ニューラルネットワーク / 特異点 / 深層学習 / ディープラーニング / 危点 / 学習 / 人工知能 / 機械学習 / ソフトコンピューティング / アルゴリズム |
研究成果の概要 |
ニューラルネットワークの特異点の特性の一端を明らかにした。つまり、深層ニューラルネットワークが数多くの「階層構造に基づいた特異点」を持っていることを数理的に明らかにし、そのような特異点を持たないための十分条件を明らかにした。また、深層複素数型ニューラルネットワークと等価な深層実数型ニューラルネットワークにおいて、いくつかの特異点が複素数に基づく性質により自ずと解消されていることを数理的に示した。さらに、非線形な深層ニューラルネットワークが(学習性能に悪い影響を与える)悪い局所解(学習誤差の大きい局所解)を持たないための十分条件を明らかにした。
|
研究成果の学術的意義や社会的意義 |
深層学習技術では、大量のパラメータの調整が必要であるため、学習が行える適切な条件を特定するのに大変な労力がかかっている。ニューラルネットワークには、学習に悪い影響を与える多くの特異点が存在するからである。本研究では、ニューラルネットワークの特異点の特性を明らかにし、特異点を持たないための十分条件を導いた。また、特異点を持たないタイプのニューラルネットワークを提示した。これらの研究成果は深層ニューラルネットワークの学習性能向上に、引いては現在世界的に進められている深層学習を利用した社会実装に資するものと考えられる。
|