| 研究課題/領域番号 |
20K23330
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
1001:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 八戸工業大学 |
|---|
研究代表者 |
島内 宏和 八戸工業大学, 工学部, 講師 (90759200)
|
|---|
| 研究期間 (年度) |
2020-09-11 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | 擬等角写像 / ベルトラミ係数 / ニューラルネットワーク / 活性化関数 / 深層学習 |
|---|
| 研究開始時の研究の概要 |
本研究の目的は、高精度かつ安定な深層学習に資する新しい活性化関数を構築することである。深層学習の普及が急速に進む中、その学習の高精度化、効率化、安定化等のために、活性化関数の構築に関する研究が進められている。擬等角写像は等角写像の自然な一般化であり、タイヒミュラー空間や複素力学系などの分野と密接に関係し、深く研究されてきた写像のクラスである。本研究では、確率的活性化関数や複素数値の活性化関数に関する先行研究により得られていた知見と擬等角写像の技法を融合し、既存の活性化関数の性能を上回る、確率的に変化する擬等角写像を用いた活性化関数（確率的擬等角活性化関数）の構築を目指す。
|
| 研究成果の概要 |
深層学習の普及が急速に進む中、その学習の高精度化、効率化、安定化等のために、活性化関数の構築に関する研究が進められている。本研究では、擬等角写像の技法と深層ニューラルネットワークに関する知見を融合することで、高精度かつ安定な深層学習に資する新しい活性化関数を構築することを目指した。研究成果として、確率的に変化するベルトラミ係数を持つ新しい活性化関数が得られた。構築した活性化関数は、複数のベンチマークデータセット上における基本的な深層ニューラルネットワークを用いた実験で、他のベースラインとした活性化関数と比較し高い性能を示した。
|
| 研究成果の学術的意義や社会的意義 |
深層学習による人工知能が、様々な分野において目覚ましい成果を挙げている。深層ニューラルネットワークの活性化関数は、構築されるモデルに関わる重要な要素の一つであり、その学習に大きな影響を与える。本研究で構築した確率的に変化するベルトラミ係数を持つ新しい活性化関数は、ベースラインとした既存の活性化関数と比較し、複数のベンチマークデータセット上で高い性能を示した。活性化関数のベルトラミ係数に摂動を与えるアプローチは、複雑かつ高い精度が求められる画像処理のタスク等における深層ニューラルネットワークモデルの構築に活用できる可能性がある。
|
