| 研究課題/領域番号 |
18K18117
|
|---|
| 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 | 東洋大学 (2020-2022)
成蹊大学 (2018-2019) |
|---|
研究代表者 |
佐野 崇 東洋大学, 情報連携学部, 講師 (00710295)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022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)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | 確率的グラフィカルモデル / 変分近似法 / ディープラーニング / Ising模型 / ベイジアンネットワーク / 時系列モデリング / オートエンコーダ / 畳み込みニューラルネットワーク / セグメンテーション / 確率勾配変分ベイズ法 / 時系列データ / 運動制御 / 強化学習 / 変分ベイズ法 / 時系列学習 / 隠れマルコフモデル / 再帰型ニューラルネットワーク / 動的ベイジアンネットワーク / 時系列モデル / ニューラルネットワーク |
|---|
| 研究成果の概要 |
主な研究成果は次の3つである。(1)Tree-reweighted 近似を用いたIsing模型の学習公式の開発:Ising模型の新しい近似学習方法を得ることができ、また類似法との比較ができた。
(2) Neural Variational Inference and learning によるNoisy-ORベイジアンネットワークの学習法の開発:手書き文字認識の可能な大規模noisy-ORベイジアンネットワークの学習法を開発した。
(3) フレーム間差分法に注目した動画セグメンテーション法の研究:ディープラーニングを用いた動画セグメンテーションモデルに、フレーム間の差分を入力し性能向上を行った。
|
| 研究成果の学術的意義や社会的意義 |
本研究によって、主に変分近似法を用いた統計的機械学習法の進展について、いくつかの寄与ができた。Ising模型の新しい学習公式は、その性能向上のみならず、変分近似法を学習に用いた場合に生じる一般的困難について洞察を深めることができた。また、noisy-ORベイジアンネットワークの新たな学習法によって、このモデルが獲得する潜在表現が明らかになり、新しいモデル構築につなげることができた。さらに、新しい動画セグメンテーション法は、監視カメラの解析や自動運転技術といった応用にも道を開くものである。
|
