| 研究課題/領域番号 |
20H04247
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 国立研究開発法人理化学研究所 |
|---|
研究代表者 |
Khan Emtiyaz 国立研究開発法人理化学研究所, 革新知能統合研究センター, チームリーダー (30858022)
|
|---|
| 研究分担者 |
Alquier Pierre 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (10865645)
横田 理央 東京工業大学, 学術国際情報センター, 教授 (20760573)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
18,200千円 (直接経費: 14,000千円、間接経費: 4,200千円)
2022年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2021年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2020年度: 12,090千円 (直接経費: 9,300千円、間接経費: 2,790千円)
|
|---|
| キーワード | Continual learning / Bayesian deep learning / Lifelong learning / continual learning / deep learning / Deep Learning / Continual Learning / Bayesian principles / adaptation / lifelong learning / reinforcement learning / active learning |
|---|
| 研究開始時の研究の概要 |
By using Bayesian principles to “identify, memorize, and recall” useful past experiences during training, our goal is to design life-long learning AI systems. We expect our new methods to enable application of deep learning in more realistic settings than before.
|
| 研究成果の概要 |
現在のディープラーニングは、継続的に学習することができず、過去に見た情報を簡単に忘れてしまう傾向にある。本研究では、忘却を抑制する新しい深層学習の手法を開発する。これは、過去の記憶の中から重要なデータを特定し、それを再利用することで実現する。提案手法は継続学習を普遍的に改善する手法であり、性能の良い継続学習方法の大半は提案方法の派生であることを示すことができた。また、提案方法はスケーラブルであり実用的なスケールの問題に適用することもできる。
|
| 研究成果の学術的意義や社会的意義 |
Deep-learning methods require a huge amount of computing resources and also a lot of data. Our work reduces the dependencies on such resources. We aim to design AI systems that continue to learn and improve throughout their lifetime.
|
