| 研究課題/領域番号 |
19H04173
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 千葉工業大学 |
|---|
研究代表者 |
新保 仁 千葉工業大学, 人工知能・ソフトウェア技術研究センター, 主席研究員 (90311589)
|
|---|
| 研究分担者 |
重藤 優太郎 千葉工業大学, 人工知能・ソフトウェア技術研究センター, 主任研究員 (50803392)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
17,030千円 (直接経費: 13,100千円、間接経費: 3,930千円)
2022年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2020年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2019年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
|
|---|
| キーワード | 近傍検索 / 知識グラフ / 表現学習 / 事前学習 / 非相関化 / 埋め込み / 自己教師あり学習 / 正則化 / 高次元空間 / 知識グラフ補完 / 自己教師付き学習 / 機械学習 / データマイニング |
|---|
| 研究開始時の研究の概要 |
本研究では, 機械学習のさまざまなタスクを, 高次元空間における検索の問題として再解釈する. 具体的には, 最近傍検索を行う際に障害となる, 高次元空間特有のバイアス (「空間中心性」) の存在に着目する. そのうえで, 上記機械学習タスクに対してこれまで提案された各種アプローチを, このバイアスを軽減する距離・類似度尺度の設計という観点から再評価する. 同時に, その悪影響を直接軽減する手法を開発し, タスク性能の向上につなげる.
|
| 研究成果の概要 |
本研究における主要な成果は以下の通りである. (1) 知識グラフ埋め込みの改良. 特に, 「経路問い合わせ」と呼ばれる問い合わせに従来モデルが不適当であることを指摘し, これを解消するモデルを提案した. また, 推論時のメモリ使用量削減のため, 知識グラフ埋め込みの二値量子化法を提案した. (2) ニューラルネットワークを用いた画像の事前表現学習で最近提案された非対照学習による手法が, 埋め込み次元が高い場合に非効率なことを指摘し, 下流タスクの精度を保ったまま, この欠点を取り除くスケーラブルな非対称学習法を提案した.
|
| 研究成果の学術的意義や社会的意義 |
多くのニューラルネットの応用分野において, 外部知識を, 知識グラフとして表現して活用する手法が多く提案されており, 我々の成果はこういったアプローチの補助となる. 表現学習に関する提案法は, スケーラブルな特徴量非相関化法であるが, これは画像のみならず多様なデータの表現学習にもほぼそのまま適用可能である. また, 提案法は特徴量の非相関化が必要な表現学習以外のタスクにも広く用いることができる.
|
