| 研究課題/領域番号 |
17K00320
|
|---|
| 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 |
知能情報学
|
|---|
| 研究機関 | 関西学院大学 |
|---|
研究代表者 |
猪口 明博 関西学院大学, 理工学部, 教授 (70452456)
|
|---|
| 研究分担者 |
田中 大輔 関西学院大学, 理工学部, 准教授 (60589399)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020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)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2017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 | 機械学習 / データベース / グラフ / 構造活性相関 / グラフ分類 / クラスタリング / データマイニング / 深層学習 / ケモインフォマティクス |
|---|
| 研究成果の概要 |
成果の1つは，大量のグラフからなるデータベースから，クエリグラフに含まれるグラフを検索するための方法論を確立したことである．我々の手法は，データベース中のグラフを表現する表現形式であるグラフコードの接頭辞木に基づいている．この接頭辞木を索引として用いることで，データベース中の多数のグラフとクエリグラフの間の部分グラフ同型判定問題を同時に解くことができる．もう1つの成果は，深層学習法のGCNにおけるover smoothing現象の軽減に関するものである．我々の方法では，GCNとdense connectionを組み合わせることで，既存研究に比べ，数%の精度向上が得られることが分かった．
|
| 研究成果の学術的意義や社会的意義 |
深層学習法は，現在，盛んに研究が実施されている研究分野である．その中で，様々なタイプのデータが解析されているが，グラフは非常に高い表現力を有していることが知られ，それに対するデータ解析手法や学習手法は非常に重要である．我々の成果は，データベースと機械学習の基礎研究分野への貢献であり，それらを発展させていくことで，実用化を目指せるものである．実用化の具体例の1つは，創薬化学分野である．
|
