| 研究課題/領域番号 |
21K18017
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分90020:図書館情報学および人文社会情報学関連
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
新妻 雅弘 慶應義塾大学, システムデザイン・マネジメント研究科(日吉), 准教授 (50733135)
|
|---|
| 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 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
|
|---|
| キーワード | 筆跡鑑定 / XA / システムズアプローチ / MBSE / システムエンジニアリング / AI / ファインチューニング / 転移学習 / XAI / 説明可能性 / 深層学習 / 音楽情報処理 / OMR / バッハ研究 / 画像処理 / デジタル・ヒューマニティーズ |
|---|
| 研究開始時の研究の概要 |
多階層CNN によって古楽譜の多層構造を抽出する役割をもつ中間層をもつニューラルネットワークを設計し、二値化などの前処理をすることなく筆跡者を判別するという問題において、大規模画像データによる事前学習によって入力に近い畳み込み層に学習される汎用的画像認識能力がサンプル数が少ないドメインにおいて有効となるような大規模画像データはどのようなものであるか検証し、筆跡サンプルの少ない筆跡者判定精度の向上を目指す。
|
| 研究成果の概要 |
「大規模画像データによる事前学習によって、筆跡サンプルの少ない筆跡者の判定精度向上をいかに達成するかである。」という問題に対する実際の妥当性確認を行うことはできず、一部の検証だけが行われた。この結果は、特定の距離関数を用いた対象ドメインのデータ外類似データを用いた事前学習の有効性を示すものであった。また、上述の制限によって引き起こされた研究計画の変更によって、システムエンジニアリングを援用したAIの説明可能性と人間モデルの関係性の分析が行われ、人間の認知特性等を勘案することでAIを含むシステムの説明可能性が向上する結果が示唆された。
|
| 研究成果の学術的意義や社会的意義 |
当該結果は、とりわけサンプルデータの少ない状況におけるクラス分類が必要となるような任意の問題に適応可能な知見を含んでるという意味で、広範囲のドメインに有意義である。さらに、説明可能性を高めるためにシステムズアプローチにより人間の認知モデル等を含めてAIを含むシステムを設計するという手法は、説明可能性が重要な任意の問題に対して適応可能であり、今後ますます重要になるという意味で意義があると考える。
|
