| 研究課題/領域番号 |
18H06463
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
1001:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 京都工芸繊維大学 |
|---|
研究代表者 |
CHEN LU 京都工芸繊維大学, 情報工学・人間科学系, 助教 (60822872)
|
|---|
| 研究期間 (年度) |
2018-08-24 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2018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 | ネットワークトポロジー / ニューラルネットワーク |
|---|
| 研究成果の概要 |
破滅的忘却の軽減に対して、MVG（Modularly Varying Goal）が有用であることを明らかにした。具体的には、MVGでニューラルネットワークを進化させることで、少しのリンクの張り替えや重みの書き換えで、複数の学習したタスクに対して高い適応度が得られることが分かった。また、MVGでニューラルネットワークを進化させることで、情報処理に有用な特定のモチーフの数が相対的に多く得られることが分かった。さらに、学習するタスクの数が増加するにつれて、これらのモチーフの数が相対的により多く得られることが分かった。
|
| 研究成果の学術的意義や社会的意義 |
深層学習の急速的な発展により、人工ニューラルネットワーク技術の応用が注目を集めており、幅広い産業分野への応用が図られている。現状を考慮すると、人工ニューラルネットワークの応用カテゴリが今後も拡大することは想像に難くない。しかし、計算機資源には物理的限界が存在する。本研究で提案するニューラルネットワークは、複数のゴールに対して、少しのリンク張替えや重みの書き換えで、高い適応度を得ることができることから、これまでは複数のニューラルネットワークが必要であった学習タスクを、1つのニューラルネットワークで学習可能となるケースが存在することが考えられることから、計算機資源の削減が期待できる。
|
