| 研究課題/領域番号 |
18K11527
|
|---|
| 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62010:生命、健康および医療情報学関連
|
|---|
| 研究機関 | 山口大学 |
|---|
研究代表者 |
佐村 俊和 山口大学, 大学院創成科学研究科, 准教授 (30566617)
|
|---|
| 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 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 脳 / リカレントニューラルネットワーク / 故障耐性 / 過学習抑制 / 初期構造 / 初期化 / 解剖構造 / 興奮性 / 抑制性 / 対故障性 |
|---|
| 研究成果の概要 |
脳は，神経細胞同士が繋がったネットワークである．脳の様々な領域に共通する神経細胞間の解剖構造に着目し，本研究では，それらを脳同様に相互結合するリカレントニューラルネットワークの初期構造として導入し，興奮性神経細胞と抑制性神経細胞を区別する構造で，過学習が抑制され性能向上に寄与することを示した．また，部分的な結合性が故障に対する頑健性向上に寄与することを示した．これらの寄与は相補的であり，脳構造の性能向上と故障に対する頑健性向上への機能的役割が示唆される．
|
| 研究成果の学術的意義や社会的意義 |
脳の様々な領域に共通する解剖構造によるリカレントニューラルネットワーク（RNN）の性能向上と故障に対する頑健性向上への寄与を示した．初期構造として導入するだけで学習後の性能向上につながるため，計算コストが少なくて済む．そのため，これらの知見は，計算資源が乏しく，一部が故障しても性能を維持する必要のある状況におけるRNNに適用でき，適用範囲の広いRNNの初期化手法としての応用が考えられる．
|
