研究課題/領域番号 |
18K18113
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分61030:知能情報学関連
|
研究機関 | 国立研究開発法人理化学研究所 |
研究代表者 |
園田 翔 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (00801218)
|
研究期間 (年度) |
2018-04-01 – 2022-03-31
|
研究課題ステータス |
完了 (2021年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
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 | ニューラルネット / ホワイトボックス化 / 積分表現理論 / リッジレット変換 / Neural ODE / カーネル求積 / 非コンパクト対称空間 / 群畳み込み / 零空間 / 調和解析 / 量子機械学習 / 連続神経場 / ラドン変換 / オーバーパラメトライズ / ランダム特徴量 / 近似下限 / ODE-Net / 局所ラデマッハ複雑度 / 量子計算機 / ベゾフ空間 / リッジレット解析 / 深層ニューラルネット / 大域最適 / 確率的数値解析 / 粒子フィルタ / 最適輸送 / 脳波 / 最適輸送理論 / 機械学習 |
研究成果の概要 |
愛媛大・石川勲氏と理研・池田正弘氏との共同研究を軸として,積分表現理論の研究が飛躍的に進展した.特に,多様体上の全結合層や信号空間上の群畳み込み層など多様な隠れ層に対してリッジレット変換を導出するための一般的な方法を見出し,積分表現理論の適用範囲が飛躍的に向上した.また,積分表現理論や輸送理論をきっかけとして,量子機械学習や神経科学,調和解析,確率的数値解析,制御理論,微分方程式論など関連分野の研究者との共同研究が多く立ち上がった.一方,輸送理論の研究は各論的な段階であり,基礎理論の整備が必要と考える.
|
研究成果の学術的意義や社会的意義 |
一般に学習済ニューラルネット(NN)の情報処理様式を外部から読み解くことは難しい.NNが誤動作しないよう制御するため,ホワイトボックス化が求められる.積分表現と輸送解釈はいずれも,NNを線形空間という性質の良い空間で表現する方法論であり,ホワイトボックス化の有力候補である.積分表現の強みであるリッジレット変換は特定の全結合型NNに限って発見されていたが,本研究により現代的なNNに対して機械的に導出できるようになり,NNのホワイトボックス化に貢献した.
|