研究課題/領域番号 |
19K03046
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分09070:教育工学関連
|
研究機関 | 石川工業高等専門学校 |
研究代表者 |
金寺 登 石川工業高等専門学校, 電子情報工学科, 教授 (50194931)
|
研究期間 (年度) |
2019-04-01 – 2022-03-31
|
研究課題ステータス |
完了 (2021年度)
|
配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
キーワード | 深層ニューラルネットワーク / 可視化 / 音声認識 / 画像認識 |
研究開始時の研究の概要 |
深層ニューラルネットワーク(DNN)の高い認識性能や予測性能を用いた各種システムが急速に社会に浸透している。しかしネットワーク内部での処理の解析が困難でありどのような処理を行っているのか不明である点が判別結果に対する不安につながっている。そこで,本研究では深層ニューラルネットワーク内部の処理を可視化するシステムを開発し,DNNを正しく理解し活用できる人材を育成する。具体的にはネットワーク出力を入力で偏微分した値の変動によって,識別の根拠となる重要な入力を特定する。
|
研究成果の概要 |
DNNを正しく理解し活用できる人材を育成することを目的に,深層ニューラルネットワーク内部の処理を可視化するシステムを開発し,公開した。本研究では,ネットワーク出力を入力で偏微分した値の変動を指標とすることによって,識別の根拠となる重要な入力を特定する方法を開発した。この指標が大規模なニューラルネットワークにも有効であることを確認した。また,音声認識深層ニューラルネットワークに本研究の方法を適用し,各音韻の識別にとって重要と自動判断された知識と音響学の知識を比較し,本研究の方法の妥当性が明らかになった。
|
研究成果の学術的意義や社会的意義 |
深層ニューラルネットワーク(DNN)を用いることにより,音声認識や画像認識などで高い認識性能を実現できるようになってきた。また災害予測など様々な分野での応用が急速に進んでいる。しかし,ネットワーク内部で何を根拠に判別しているかが不明であるため,判別結果に対する不安が懸念されている。DNN利用例が急増する中で,DNN内部で何が行われているかを正しく理解するためのシステムを開発・公開することは,技術者はもちろん利用する国民にとっても極めて重要である。
|