| 研究課題/領域番号 |
19K22865
|
|---|
| 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 | 東京工業大学 |
|---|
研究代表者 |
井上 中順 東京工業大学, 情報理工学院, 准教授 (10733397)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2021年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2020年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2019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 | 深層学習 / メタ学習 / 画像認識 / 分散学習 / 代数学 |
|---|
| 研究開始時の研究の概要 |
本研究の目的は，深層学習で得られるモデル間の「演算」を可能とする体系の構築である．データベース構築に利用されている関係代数の演算をモデル空間に導入することで，大量の計算機で独立に学習されたモデルの事後的統合を可能とすることを目指す．これにより，現存の小・中規模計算資源を有効活用できる分散学習の方法論を開拓する．この研究は，人工知能を用いた画像・映像認識システムを高精度化することに役立つものであり，近未来社会での活用が期待される．
|
| 研究成果の概要 |
画像や音声の理解を目的とした深層学習技術は、高度な情報化社会において必要不可欠なものとなっている。本研究では、複数のニューラルネットワークが協調的あるいは敵対的に学習する仕組みに関する成果が得られた。主な成果は、Augmented Cyclic Consistency Regularizationと呼ばれる生成的敵対ネットワークの新しい正則化手法、二次の準ニュートン法を用いた敵対的サンプル生成手法、ステップ幅の正則化手法の３つである。これらの有用性を画像および音声の実データで示し、それぞれ国際会議で成果発表をおこなった。
|
| 研究成果の学術的意義や社会的意義 |
本研究の成果は実社会で活用されている画像認識・画像変換、音声認識・音声話者照合システムの高度化に貢献するものである。また、学術的には新たな学習アルゴリズムが情報工学分野、特にパターン認識およびニューラルネットワークの深層学習に貢献するものである。
|
