| 研究課題/領域番号 |
20H04249
|
|---|
| 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 |
ZHAO QIBIN 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 (30599618)
|
|---|
| 研究分担者 |
曹 建庭 埼玉工業大学, 工学部, 教授 (20306989)
横田 達也 名古屋工業大学, 工学(系)研究科(研究院), 准教授 (80733964)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2023年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2020年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
|
|---|
| キーワード | tensor network / machine learning / adversarial robustness / tensor decomposition / Tensor networks / tensor networks / Tensor Networks / Machine Learning / Robustness |
|---|
| 研究開始時の研究の概要 |
Tensor networks (TNs) have recently gained increasing attentions in machine learning, data mining and computer vision fields due to its effectiveness in efficient computation and model compression in deep learning. However, there are many open problems that are still unexplored, which limits its impact in machine learning. Therefore, our research aims to investigate the fundamental theory and develop scalable and efficient learning algorithms for TN. Moreover, we will further explore what challenging problems in machine learning can be solved by TN technology.
|
| 研究成果の概要 |
私たちは、不完全でノイズの多いデータテンソルに対する高度なテンソル分解およびテンソルネットワーク表現方法を研究・開発しました。その実用性を向上させるために、最適なテンソルネットワーク構造の探索アルゴリズムや、深層ニューラルネットワークを用いた非線形で柔軟なテンソル分解方法も開発しました。さらに、テンソル表現を用いたモデルパラメータに対する深層ニューラルネットワークの敵対的ロバスト性も研究し、敵対的純化のためのいくつかの新しいアプローチを開発しました。最後に、私たちの研究成果は、マルチモーダル学習やハイパースペクトル画像処理など、多くの応用分野に採用することができます。
|
| 研究成果の学術的意義や社会的意義 |
Our research further promotes fundamental technology on tensor methods for machine learning. We have shown that tensor methods are powerful for structured data analysis and also practically useful for parameter representation of deep neural networks, resulting in more efficient and robust models.
|
