| 研究課題/領域番号 |
20K11865
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 鳥取大学 |
|---|
研究代表者 |
岩井 儀雄 鳥取大学, 工学研究科, 教授 (70294163)
|
|---|
| 研究分担者 |
西山 正志 鳥取大学, 工学研究科, 教授 (20756449)
|
|---|
| 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 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
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: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 浅層学習 / 説明可能性 / 再設計可能性 / 機械学習 / 画像認識 / ランダムプロジェクション / 再設計性 / 画像処理 / パターン認識 |
|---|
| 研究開始時の研究の概要 |
本研究では，深層学習が持つ一体化学習という特徴を維持しつつ，深いネットワーク構造を取り払い，浅いネットワーク構造で機械学習を行うことで，学習結果の説明可能性を向上させつつ，再設計の容易な画像認識手法を実現することを目的とする．本研究により，高い識別性能を実現するための方法論として，深いネットワーク構造だけでなく，再設計可能な浅いネットワーク構造による高い学習容量を持つ識別器と認識性能に寄与する学習可能な特徴抽出器により，十分な性能を発揮できることを実験的に示す．
|
| 研究成果の概要 |
本研究では，深層学習が持つ一体化学習という特徴を維持しつつ，深いネットワーク構造を取り払い，浅いネットワーク構造で機械学習を行うことで，学習結果の説明可能性を向上させつつ，再設計の容易な画像認識手法を実現することを目的とする.特に，説明可能性と再設計可能性を向上させるためには，深層学習が実現している深いネットワーク構造による特徴抽出処理を，従来の特徴抽出処理に置換える必要性がある.そこで，従来の特徴抽出処理を拡張して，パラメータ化することで学習可能な特徴抽出器を構成し，再設計可能な浅いネットワーク構造による高い学習容量を持つ識別器と認識性能に寄与する学習可能な特徴抽出器の試作を行った.
|
| 研究成果の学術的意義や社会的意義 |
本研究が実現することにより，計算機が何故そのような判断を下したかの説明を行いやすくなる．また，その説明を受けて，浅いネットワーク構造のため理解がしやすく，再設計を行うことが可能なネットワーク構造を構築することが出来る．
|
