| 研究課題/領域番号 |
18H03291
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
竹内 純一 九州大学, システム情報科学研究院, 教授 (80432871)
|
|---|
| 研究分担者 |
三村 和史 広島市立大学, 情報科学研究科, 教授 (40353297)
村田 昇 早稲田大学, 理工学術院, 教授 (60242038)
長岡 浩司 電気通信大学, 大学院情報理工学研究科, 名誉教授 (80192235)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2020年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2019年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2018年度: 9,100千円 (直接経費: 7,000千円、間接経費: 2,100千円)
|
|---|
| キーワード | 記述長最小原理 / MDL原理 / 深層学習 / 情報理論 / MRI / サイバーセキュリティ / 教師あり学習 / 汎化誤差 / スパース学習 / 磁気共鳴画像法 / 超解像 / 汚染ガウスモデル / 進化系統樹 / 圧縮センシング / 情報幾何学 / Markov連鎖 / メタ学習 / スパース重ね合わせ符号 / Markovモデル / 誤り訂正符号 / 局所指数族バンドル / 非負値行列因子分解 / 確率的コンプレキシティ / 機械学習 |
|---|
| 研究成果の概要 |
MDL原理に基づく学習理論の深化と応用について研究を行った．記述長最小原理（MDL原理）の基礎については，Barron and Coverの理論（BC理論）の教師あり学習への拡張と，深層学習との関連について考察した．BC理論と確率的コンプレキシティ（SC）を関係づける研究において，目標モデルを非指数型分布族に一般化することに成功した．その他，スパース学習を応用した誤り訂正符号への深層学習の応用やAMPにおけるダンピングの解析を行った．応用研究としては，主として磁気共鳴画像法（MRI）とサイバーセキュリティ領域を主題とした．
|
| 研究成果の学術的意義や社会的意義 |
様々な分野で高い実用性を示している深層学習の理論を確立することを目的に，機械学習の基盤的理論の一つであるMDL原理からのアプローチを試みている．本課題の遂行中に，MDL原理を教師あり学習に用いるための重要な条件が明らかになった．現在この観点に基づいた深層学習の解析を進めており，その結果有用な知見が得られると予想される．
|
