| 研究課題/領域番号 |
19K24365
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1002:人間情報学、応用情報学およびその関連分野
|
|---|
| 研究機関 | 県立広島大学 |
|---|
研究代表者 |
鎌田 真 県立広島大学, 公私立大学の部局等(広島キャンパス), 講師 (30845178)
|
|---|
| 研究期間 (年度) |
2019-08-30 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
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 | 深層学習 / マルチモーダル / 構造適応型学習 / 動画ビッグデータ / 構造適応型深層学習 |
|---|
| 研究開始時の研究の概要 |
入力データに対して最適と考えられるネットワーク構造を学習しながら自己組織化的に求める構造適応型深層学習法を開発した。本手法は画像分類や時系列データ予測に関する複数のデータに対し，他の手法よりも高い精度を示した。本研究では，複数のモダリティからの情報を統合的に処理し，それらの関連づけを実現する「マルチモーダル構造適応型深層学習法」について探求する。複数のモダリティを含む処理を統合するため，Teacher-Student(T/S)モデルの概念に基づいたCo-learningモデルを探求し，複数のモダリティ間の知識の融合モデルを研究する。提案手法を動画等のオープンビッグデータに適用し評価する。
|
| 研究成果の概要 |
入力データに対して，最適と考えられる隠れニューロン数や層の数を学習しながら自己組織化的に求める構造適応型深層学習法を開発した。本手法は画像分類等の複数のベンチマークテストに対し，他の深層学習手法よりも高い精度を示した。本研究では，複数のモダリティからの情報を統合的に処理し，それらの関連づけを実現するマルチモーダル構造適応型深層学習法について探求した。複数のモダリティを含む処理を統合するため，Teacher-Studentモデルの概念に基づいたCo-learningモデルを探求し，複数のモダリティ間の知識の融合モデルを開発した。提案手法を動画等のビッグデータに適用し評価し，高い性能が得られた。
|
| 研究成果の学術的意義や社会的意義 |
深層学習が登場して以降，画像認識に対する性能は従来に比べて飛躍的に向上した。しかしながら，医療データや人の主観が含まれるようなデータに対しては誤判定のケースが多く，これは，単一のデータのみでは判定が困難であるからである。例えば，医療データには画像の他に血液検査や問診等の結果があり，人間の医師はこれらの複数の情報を統合的に処理し，関連付けを行い，思考した上で最終的な判定をすると考えられる。このため，本研究のように，複数のモダリティを統合的に扱い，関係性を考慮した上で予測を行う学習システムは必要であり，人工知能の研究がさらなる進化を遂げると考えた。
|
