| 研究課題/領域番号 |
21K12049
|
|---|
| 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 | 広島大学 |
|---|
研究代表者 |
栗田 多喜夫 広島大学, 先進理工系科学研究科(工), 教授 (10356941)
|
|---|
| 研究分担者 |
日高 章理 東京電機大学, 理工学部, 准教授 (70553519)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 深層学習 / 事前知識 / 不変特徴抽出 / パターン認識 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
訓練データに基づいて学習したディープラーニングのモデルは，タスクを達成するために必要な情報だけでなく，タスクに無関係で不必要な情報をも学習してしまっており，データの背後にあるタスク自体の制約条件を十分に取り込めていない．
研究代表者等は，この課題を解決するため，学習の目的関数に正則化項を加えることで事前知識を取り込む手法を開発してきた．本研究課題では，これをさらに進めて，事前知識を取り込む学習法の体系化の基盤を作ることを目指す．具体的には，（１）識別に無関係な変動に対して不変な特徴の抽出による学習の誘導，（２）事前知識を利用して訓練データを生成する手法の２つのサブ課題について研究する．
|
| 研究成果の概要 |
深層学習の学習結果にタスクの制約条件を積極的に取り込むための方法について研究した．具体的には，事前知識を正則化項として取り込む方法，タスクに無関係な情報を学習結果から取り除く方法，事前知識を利用して学習データを水増しする方法等を提案した．提案したアプローチを，画像の識別，画像の領域抽出，物体検出等に応用し，その有効性を実験的に確認した．
|
| 研究成果の学術的意義や社会的意義 |
深層学習は訓練データから自動的にモデルのパラメータを推定してくれるため非常に便利であるが得られたモデルにタスクが持つ制約条件が十分に取り入れられていない．本研究では深層学習の学習結果にタスクの制約条件を積極的に取り込むための方法について研究した．これは深層学習の結果を信頼して使うためのひとつのアプローチであると考える．
|
