| 研究課題/領域番号 |
17H00762
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 学習院大学 (2019-2020)
兵庫県立大学 (2017-2018) |
|---|
研究代表者 |
申 吉浩 学習院大学, 付置研究所, 教授 (60523587)
|
|---|
| 研究分担者 |
宮尾 祐介 国立情報学研究所, コンテンツ科学研究系, 教授 (00343096)
岡本 洋 東京大学, 大学院工学系研究科(工学部), 特任研究員 (00374067)
平田 耕一 九州工業大学, 大学院情報工学研究院, 教授 (20274558)
西村 治彦 兵庫県立大学, 応用情報科学研究科, 教授 (40218201)
竹村 匡正 兵庫県立大学, 応用情報科学研究科, 教授 (40362496)
坂本 比呂志 九州工業大学, 大学院情報工学研究院, 教授 (50315123)
中本 幸一 兵庫県立大学, 応用情報科学研究科, 教授 (70382273)
久保山 哲二 学習院大学, 付置研究所, 教授 (80302660)
橋本 隆子 千葉商科大学, 商経学部, 教授 (80551697)
山下 純司 学習院大学, 法学部, 教授 (90282532)
大島 裕明 兵庫県立大学, 応用情報科学研究科, 准教授 (90452317)
沼田 龍介 兵庫県立大学, シミュレーション学研究科, 准教授 (30615787)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
交付 (2020年度)
|
| 配分額 *注記 |
40,820千円 (直接経費: 31,400千円、間接経費: 9,420千円)
2020年度: 9,750千円 (直接経費: 7,500千円、間接経費: 2,250千円)
2019年度: 10,400千円 (直接経費: 8,000千円、間接経費: 2,400千円)
2018年度: 10,400千円 (直接経費: 8,000千円、間接経費: 2,400千円)
2017年度: 10,270千円 (直接経費: 7,900千円、間接経費: 2,370千円)
|
|---|
| キーワード | 人工知能 / 機械学習 / アルゴリズム / データマイニング / 半構造化データ / 教師あり学習 / 分類 / クラスタリング / 距離 / カーネル / パターン抽出 / 木 |
|---|
| 研究実績の概要 |
【理論】本事業の背骨となる理論を体系化し、その概要をのべた論文を執筆し、人工知能分野のトップカンファレンスであるAAAI-20 (Association for the Advancement of Artificial Intelligence) において採録された。近年、機械学習コミュニティでは、深層学習の応用論文の投稿数が膨大な数に上り、深層学習以外の分野で、かつ、理論的な内容の論文の採録は困難になって来ている。今年度のAAAI-20の投稿数は9000通弱であり、採択率は約20％であった。採択により、当該理論が客観的な評価を獲得できることが証明されたこととなり、応用における具体的な成果の創出が、検証の観点から今後の鍵となる。次のステップでは、応用における成果の創出を最重点項目として、取り組みを行う。
【応用】応用事例で成果を創出するためには、本事業における理論を実用的なアルゴリズムとして設計し、機能・性能両面で最適化を行い、分担者を含む研究者が容易に利用できるようなライブラリ（ユーティリティ）として実装する必要がある。今年度は、理論の体系化と並行して、ライブラリの開発に力を注いだ。ライブラリ開発は、代表者・分担者がアルゴリズムを設計、Scalaなど、実行速度に優れる言語を用いてプロトタイプを実装、性能評価を行った上で、機械学習における標準的プログラミング言語であるPythonへの移植をプログラミングの専門家に業務委託する方法で行った。2019年度はアルゴリズム全体のほぼ８０％程度の実装を完了したが、Pythonは速度性能に難のあるプログラム言語であり、Cythonの利用や一部C++による実装を行うことで、大規模データセットでの実験に耐えるように取り組んでいる。20年度の早い時期に実装を完了し、分担者、及び、研究コミュニティに公開する。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究の根幹をなす理論を論文化し、トップカンファレンスに採択されることが、今年度の重要な目標の一つであった。これにより、当該理論に対する客観的評価の証拠を得ることが可能となり、次ステップにおける応用における成果の創出に有効につなげることができる。今年度の第二の目標は、理論をアルゴリズムとして実現し、さらに、代表者・分担者が利用できるライブラリ（ユーティリティ）として実現することであった。機械学習の研究コミュニティにおいて標準的なプログラミング言語であるPythonから利用できるライブラリの実装を、ほぼ目標通り８０％完了した。これにより、来年度の早期から、応用における成果創出に注力することが可能となる。
|
| 今後の研究の推進方策 |
2019年度に開発に着手したライブラリ（ユーティリティ）の開発を進め、早期に、プロジェクト内、及び、研究コミュニティに公開する。利用を促進するための説明会を複数回開催する。分担者は、福岡、兵庫、東京に分散しているが、コロナウィルスの感染状況に応じて、必要であれば、テレビ会議システムを利用することで、効率性と安全性を両立させる。分担者は、自らの専門分野において、ツールを利用して応用領域での成果の創出を図り、代表者を含むライブラリ開発チームは、数理モデルの設計から、ツールの利用までのサポートを行う。
|
