| 研究課題/領域番号 |
18K11457
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 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 | 群馬大学 (2020)
東京大学 (2019)
大阪大学 (2018) |
|---|
研究代表者 |
林 克彦 群馬大学, 社会情報学部, 准教授 (50725794)
|
|---|
| 研究分担者 |
高瀬 翔 日本電信電話株式会社NTTコミュニケーション科学基礎研究所, 協創情報研究部, リサーチアソシエイト (40817483)
上垣外 英剛 東京工業大学, 科学技術創成研究院, 助教 (40817649)
|
|---|
| 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 |
3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2020年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 行列分解 / ニューラルネットワーク / 知識グラフ / テンソル分解 / 高速フーリエ変換 |
|---|
| 研究成果の概要 |
行列分解、及び、それを多次元データに一般化したテンソル分解に基づいてニューラルネットワーク計算を効率化する手法について理論的・実験的な研究を行った。特に、ユニタリ対角化に基づいて、行列をベクトル化する手法を開発した。また、グラフ上のパスクエリによる質問応答問題をベンチマークとして、この手法の有効性を検証した。さらに、ニューラルネットワークモデルの圧縮を行うため、パラメータを二値化する手法についても開発を行った。
|
| 研究成果の学術的意義や社会的意義 |
ニューラルネットワークを基礎とした表現学習や深層学習は人工知能の中核を担う技術である。その計算効率の向上は様々な人工知能アプリケーションの実用化に向けて重要な意義を持つ。ユニタリ対角化に基づく手法は行列パラメータをベクトル化する汎用的な手法であり、自然言語処理や情報検索など様々な分野におけるアプリケーションの処理効率を向上させる。また、二値化についてもシステムのメモリ消費を大幅に削減し、上記分野の様々なアプリケーションの実用化に貢献するものである。
|
