| 研究課題/領域番号 |
19K20415
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分62020:ウェブ情報学およびサービス情報学関連
|
|---|
| 研究機関 | 京都工芸繊維大学 |
|---|
研究代表者 |
CHEN LU 京都工芸繊維大学, 情報工学・人間科学系, 助教 (60822872)
|
|---|
| 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 |
3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | ネットワークトポロジー / ニューラルネットワーク / モジュラリティ / 深層強化学習 / C-RAN / リンクトデータ |
|---|
| 研究開始時の研究の概要 |
本研究では、ニューラルネットワークに大規模なデータを学習させる際に生じる「破滅的な忘却」を回避して、継続的な学習を可能にするニューラルネットワークを設計することを目的とする。「破滅的な忘却」は、新しい知識を学習させていくと、過去に獲得した知識を極度に失う問題である。手段として、人間の脳の知識の保持に貢献しているとされるモジュール性の発生メカニズムを人工ニューラルネットワークの設計に取り入れる。
|
| 研究成果の概要 |
リアリスティックなデータセットを学習するニューラルネットワークに対して脳におけるモジュール性の発生メカニズムであるMVG（Modularly Varying Goal）を応用し、繰返し切替わるゴールを与えて学習させることにより、モジュール性の高いニューラルネットワークが得られ、それが破滅的な忘却を軽減することを明らかにした。さらに深層強化学習エージェントに対してもMVGを応用し、目先の環境のみに対して学習させた場合と比較して、目先の環境に加えて時間的もしくは空間的に異なる環境を交互に与えながら学習させた場合の方が、未学習の環境に遭遇した際の学習精度の低下を抑えることができることを明らかにした。
|
| 研究成果の学術的意義や社会的意義 |
深層学習の急速的な発展により、人工ニューラルネットワーク技術の応用が注目を集めており、幅広い産業分野への応用が図られている。現状を考慮すると、人工ニューラルネットワークの応用カテゴリが今後も拡大することは想像に難くない。しかし、計算機資源には物理的限界が存在する。本研究で提案するニューラルネットワークは、複数のゴールに対して高い適応度を得ることができることから、これまでは複数のニューラルネットワークが必要であった学習タスクを、1つのニューラルネットワークで学習可能となるケースが存在することが考えられることから、計算機資源の削減が期待できる。
|
