| 研究課題/領域番号 |
17K19958
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
蜂須賀 恵也 東京大学, 大学院情報理工学系研究科, 准教授 (00748650)
|
|---|
| 研究期間 (年度) |
2017-06-30 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2018年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2017年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | 機械学習 / モンテカルロ法 / サンプリング / レンダリング / 深層学習 / モンテカルロ積分 |
|---|
| 研究成果の概要 |
自然画像認識や翻訳などで、深層学習をはじめとした大規模データに基づく機械学習は、実用面で画期的な成果を挙げつつある。これらの手法に共通する概念は、データの背後にある未知のモデルをデータから推測するというものである。例えば、画像の識別では、人間が画像を見て識別するという複雑かつ未知のプロセスを、画像とその正しい識別の組を大量に用意することで、データのみからそのプロセスを学習している。本研究では、このデータ駆動型の深層学習の成功を受け、未知の確率分布のモデル化に深層学習を使い、数値積分手法の一種であるモンテカルロ積分の計算効率を向上させる枠組みについて研究をおこなった。
|
| 研究成果の学術的意義や社会的意義 |
近年、機械学習は様々問題を解決するために使われているが、その多くは特定の問題を解くための手法として使われている。本研究では、機械学習を一般化し、データの関連性を見出す計算モデルとして捉えることで、より一般的な数値計算の問題（特に定積分の計算）を解くための手法として昇華させる事を目的としてる。研究成果は、特定の問題に限らず、様々な計算問題の基礎的な手法として、機械学習を使う枠組みを提案しており、機械学習の新たな応用として、今後の発展が見込まれる。
|
