| 研究課題/領域番号 |
18K18068
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 東京農工大学 |
|---|
研究代表者 |
NGUYENTUAN CUONG 東京農工大学, 工学(系)研究科(研究院), 特任助教 (10814246)
|
|---|
| 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: 650千円 (直接経費: 500千円、間接経費: 150千円)
2019年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2018年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | clustering / online handwriting / offline handwriting / generative sequence / sequence to sequence / handwritten answers / mathematical expressions / handwriting recognition / handwriting / mathematical expression / weakly supervised / hierarchical features / CNN / dissimilarity / semi-supervised learning / sequential data / structural data |
|---|
| 研究成果の概要 |
手書き数式答案をクラスタリングするため，ニューラルネットワークのSeq2Seqモデルを利用し，時系列入力パータンの距離を計算する方法を提案した．この手法は，Deep Embedded ClusteringやSiamese Networksなどのグローバル特徴抽出手法より良い精度を確認した．提案手法も多段階の畳み込みニューラルネットワークの特徴抽出手法を向上することが出来た．オンライン手書き数式答案の編集距離と比べると
提案した距離が優れているとの結果を得られた．引き続きこの方法を，予備試験から収集した大規模な
オフライン手書き数式答案のデータベースに適用する．
|
| 研究成果の学術的意義や社会的意義 |
大規模な手書き数式回答をクラスタリングできると，同じ回答がグループ化され，採点する手間を削減し，採点の効率と信頼性を向上する．本研究は，クラスタリングするため，構造認識とそれらの関係を学習することの重要性を強調している．
|
