| 研究課題/領域番号 |
17K00326
|
|---|
| 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 | 国立研究開発法人理化学研究所 |
|---|
研究代表者 |
ZHAO QIBIN 国立研究開発法人理化学研究所, 革新知能統合研究センター, ユニットリーダー (30599618)
|
|---|
| 研究分担者 |
曹 建庭 埼玉工業大学, 工学部, 教授 (20306989)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019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: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
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: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | Tensor decomposition / Tensor networks / Multi-modal learning / Tensor completion / Tensor Ring / Deep Multimodal Learning / Tensor ring / Deep multi-task learning / Deep neural network / PU learning / GAN / Tensor Decomposition / Deep Learning / Tensor Networks |
|---|
| 研究成果の概要 |
テンソル分解やテンソルネットワーク（TN）は、近年、機械学習やデータマイニング、コンピュータビジョンの分野で注目度が高まっている。しかし、未解決の問題が多く、機械学習への影響が限定されています。本プロジェクトでは、テンソルネットワークの基本的なモデルと理論を研究し、データ表現やモデル表現への応用を行った。大規模データ補完や画像デノイジングに適用可能な高速かつスケーラブルなアルゴリズムとともに、新規なテンソル分解モデルを導入した。また、テンソルネットワーク表現に基づくディープマルチタスク、マルチモデル学習、マルチGANs法を開発し、強力な表現力と経済的なモデル複雑性を示している。
|
| 研究成果の学術的意義や社会的意義 |
Tensor representation and tensor networks have shown to be useful in deep learning models. This project has further promoted to solve the challenging problems in deep learning methods by using TN technology.
|
