| 研究課題/領域番号 |
17K00350
|
|---|
| 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 | 湘南工科大学 |
|---|
研究代表者 |
二宮 洋 湘南工科大学, 工学部, 教授 (60308335)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2017年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | ニューラルネットワーク / 学習アルゴリズム / 準ニュートン法 / モーメント法 / ネステロフの加速勾配法 |
|---|
| 研究成果の概要 |
本研究では，大規模かつ複雑化するデータのニューラルネットワークによる学習を可能にする準ニュートン法の改良を目的とし，高精度かつ高速にこれを可能とする新たな学習アルゴリズムを開発した．さらに，その収束性の解析とハイパーパラメータの解析的な導出を行い，提案手法のロバスト性を確立することに成功した．これらの研究により，従来では実現不可能であった複雑さと規模を持つニューラルネットワークの学習問題を解決した．
|
| 研究成果の学術的意義や社会的意義 |
IoTの発展により，あらゆる場面でデータが蓄積され，これまで全く無関係であると考えられてきたデータを同時に扱うことで新たな知見を得ることが可能な時代となった．従って，今後はデータ量が多くなるだけではなく，より複雑な関係性を内包する大規模データの解析を，AIを用いて行うことが必要となってきた．本研究では，これを可能とするAI技術の核となる，ニューラルネットワークの学習に焦点を当て，従来よりも強力な学習アルゴリズムの開発に成功したことに学術的および社会的意義がある．
|
