| 研究課題/領域番号 |
19K22864
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分61:人間情報学およびその関連分野
|
|---|
| 研究機関 | 東京農工大学 |
|---|
研究代表者 |
田中 雄一 東京農工大学, 工学(系)研究科(研究院), 准教授 (10547029)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 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: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2019年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | 深層学習 / 信号処理 / グラフ信号処理 / グラフ深層学習 / 深層展開 / サンプリング / グラフニューラルネットワーク / ニューラルネットワーク |
|---|
| 研究開始時の研究の概要 |
グラフ深層学習は，画像等の整列したデータではなく，神経網・交通網などのネットワーク上のデータ，あるいは点群データなどの不均一に分布するデータに対する特徴抽出・分類・認識などに用いられている，深層学習の新しいパラダイムである．本研究では，真に深層とできるグラフ深層学習の実現のため，全スペクトル領域グラフ畳み込みニューラルネットワークを提案することを目標とする．
|
| 研究成果の概要 |
グラフ上の信号のサンプリング：一般化サンプリングをグラフ上データへ拡張する研究に取り組んだ．データに対する様々なモデルが，グラフ上データでも利用できることを明らかにした．本成果は通常の信号に対するサンプリングとグラフ上データに対するサンプリングを結びつけるものである．
深層展開を用いたグラフ上データの復元：深層展開を用いた点群データやセンサデータの復元に対し，通常のグラフ畳み込みニューラルネットワークや凸最適化に基づく手法と比較して，大幅な性能向上を果たした．
|
| 研究成果の学術的意義や社会的意義 |
本研究では，グラフ深層学習を真に深層にするための研究に取り組んだ．成果の意義として，以下の2点が挙げられる．1）グラフ上データのシフト不変性に関する議論が必須であること．2) 深層展開と呼ばれる手法の一群がグラフ上データの解析に有効であること．
グラフ深層学習を深層とするための取り組みは機械学習分野において意義のある問いであり，これは理論なしには実現し得ない．本研究による研究成果はグラフ深層学習を真に深層とするための問題点を一部明らかにした．本点は大きな学術的意義があると思われる．
|
