| 研究課題/領域番号 |
20K11998
|
|---|
| 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 | 早稲田大学 |
|---|
研究代表者 |
Parque Victor 早稲田大学, 理工学術院, 准教授(任期付) (50745221)
|
|---|
| 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 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | graph learning / optimization / networks / design / planning / robotics / succinct representation / succint representation |
|---|
| 研究開始時の研究の概要 |
This research aims at developing the state of the art algorithms for learning graph structures by enumerative queries on the succinct combinatorial search space of graphs, and at developing its practical applications in graph architecture search and network planning problems in robotics.
|
| 研究成果の概要 |
本研究では、列挙型クエリによるグラフ構造の学習とその応用を行った。 一方で、最先端の効率を達成する有向ネットワーク、無向ネットワーク、モジュラーネットワーク、および可変サイズネットワークの構造を設計するための効率的なアルゴリズムが可能になりました。 また、経路と動作の計画、グラフ設計、最適化問題への応用により、提案されたアルゴリズムの望ましいパフォーマンス、効率、多用途性が示されました。
|
| 研究成果の学術的意義や社会的意義 |
Learning graphs via enumerative queries bring the unique benefits of succinctness (theoretical bounds) and efficiency to sample richer knowledge structures (parallelization), rendering the improved approaches to tackle complex problems in graph design/optimization in robotics and engineering.
|
