| 研究課題/領域番号 |
17K06506
|
|---|
| 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 |
制御・システム工学
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
古月 敬之 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (50294905)
|
|---|
| 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 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2017年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 深層ニューラルネットワーク / サポートベクターマシン / 深層学習 / 機械学習 / パターン認識 |
|---|
| 研究成果の概要 |
本研究では、深層準線形サポートベクターマシン（SVM)の構築を行う。深層ニューラルネットワークにより深層準線形カーネルを深層学習で合成する。これにより、訓練済の深層ニューラルネットワークからSVMのカーネルを合成し（転移学習）、このカーネルに基づいた分類器をSVM 最適化（小データ）することによって、小データでも深層学習の実現が可能になる。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、サポートベクターマシン（SVM）を深層学習で訓練済みの深層ニューラルネットワークから構築する。SVMのための深層準線形カーネルの構築に通してSVMと深層ニューラルネットワークとの間に橋を架け、近年著しく発展できている深層学習技術を活用し、深層カーネルの学習は大規模なデータの場合でも容易に実現できる。一方、深層学習の立場から見れば、訓練済の深層ニューラルネットワークからSVMのカーネルを合成し（転移学習）、このカーネルに基づいた分類器をSVM 最適化（小データ）することによって、小データでも深層学習の実現が可能になる。
|
