| 研究課題/領域番号 |
18K19793
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分60:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
福水 健次 統計数理研究所, 数理・推論研究系, 教授 (60311362)
|
|---|
| 研究分担者 |
鈴木 大慈 東京大学, 大学院情報理工学系研究科, 准教授 (60551372)
今泉 允聡 東京大学, 大学院総合文化研究科, 准教授 (90814088)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2020年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2019年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2018年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 人工知能 / 深層学習 / 機械学習 / ニューラルネットワーク / 理論解析 |
|---|
| 研究成果の概要 |
本研究では，数理的アプローチによって深層学習の学習ダイナミクスなどの理論解析を行った．その結果以下の結果を得た．（１）不連続な関数を推定する場合，深層ニューラルネットは，従来法である固定基底を用いる方法に比べて，推定精度に優位性がある（２）深層ニューラルネットが冗長な中間素子を持つ場合の誤差曲面の鞍点の構造が明らかとなった（３）深層生成ネットワークの学習ダイナミクスの安定性条件が明らかとなった．また，因果方向をメタ学習によって少数のデータから推定する方法を提案した．
|
| 研究成果の学術的意義や社会的意義 |
深層学習は応用面からの成功により現在の人工知能の基盤技術となっているが，モデルが強い非線形性を持つことから理論的な解析を行うことは容易ではなくブラックボックスとして使われる場合が多い．本研究は数理的手法で深層学習の性質を理論的に明らかにするものであり，ブラックボックスを超えた深層学習の理論，特に学習によって得られたネットワークの信頼性や，学習アルゴリズムの安定性に関して重要な知見が得られた．
|
