| 研究課題/領域番号 |
20K11979
|
|---|
| 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61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 湘南工科大学 |
|---|
研究代表者 |
二宮 洋 湘南工科大学, 情報学部, 教授 (60308335)
|
|---|
| 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 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | ニューラルネットワーク / 学習アルゴリズム / 準ニュートン法 / モーメント法 / 不動点加速法 / ネステロフの加速勾配法 |
|---|
| 研究開始時の研究の概要 |
本研究課題では，AIとIoT技術がもたらす新たな時代の到来とともに予想される，より複雑（強非線形）かつ膨大なデータ（ビッグデータ）の処理を可能とするニューラルネットワークのこれまでにない新たな学習法の開発を目指す．この為，強非線形データに対応するモーメント準ニュートン法の高速化及び収束性能の解析，および，強非線形ビックデータの学習を高精度かつ高速に可能とするアルゴリズムの開発と解析を行う．これらの研究により，従来では実現不可能であった複雑さと規模を持つニューラルネットワークの学習問題を解決する．
|
| 研究成果の概要 |
本研究では，より複雑（強非線形）かつ膨大なデータ（ビッグデータ）の処理を可能とするニューラルネットワークに対する新たな学習法を開発した．この過程で，モーメント法，準ニュートン法，ネステロフの加速勾配法，および，不動点加速法との関連性に対する検討を行い，高速化に対する各アルゴリズムのメカニズムの検証やその融合による収束性に関する検討を行った．また，様々な検証用例題や実問題に対するコンピュータシミュレーションを通して，その有効性および問題点を明らかにすることができた．これらの研究により，従来では実現不可能であった複雑さを持つ学習データに対するニューラルネットワークを用いた解決に関する知見を得た．
|
| 研究成果の学術的意義や社会的意義 |
IoTの発展により，あらゆる場面でデータが蓄積され，これまで全く無関係であると考えられてきたデータを同時に扱うことが必要な時代となった．従って，今後はデータ量が増大するだけではなく，より複雑な関係性を内包する大規模データの扱いが必要となってきた． 一方，大規模データの学習には，データの一部分を用いた勾配による確率的勾配法が必要であるが，強非線形データの学習では十分に高精度な解を得られないといった問題があった．本研究では，この両者の特徴を持つ強非線形ビックデータの学習に対する高精度かつ高速な手法の可能性を探り，従来よりも強力な学習アルゴリズムの開発に成功したことに学術的および社会的意義がある．
|
