| 研究課題/領域番号 |
22H00514
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分60:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 名古屋工業大学 |
|---|
研究代表者 |
和田山 正 名古屋工業大学, 工学(系)研究科(研究院), 教授 (20275374)
|
|---|
| 研究分担者 |
林 和則 京都大学, 国際高等教育院, 教授 (50346102)
小蔵 正輝 広島大学, 先進理工系科学研究科(工), 教授 (10800732)
高邉 賢史 東京科学大学, 情報理工学院, 准教授 (60804218)
岡野 訓尚 立命館大学, 理工学部, 准教授 (80778209)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
41,600千円 (直接経費: 32,000千円、間接経費: 9,600千円)
2024年度: 13,130千円 (直接経費: 10,100千円、間接経費: 3,030千円)
2023年度: 13,260千円 (直接経費: 10,200千円、間接経費: 3,060千円)
2022年度: 15,210千円 (直接経費: 11,700千円、間接経費: 3,510千円)
|
|---|
| キーワード | 深層学習 / 信号処理 / 無線通信技術 / スパース信号推定 / LDPC符号 / 深層展開 / モデルベース深層学習 / 制御工学 / MIMO信号検出 / 誤り訂正復号 / 光ファイバ通信 / モデルベース制御 / モンテカルロ法 / 無線信号処理 / 分散信号処理 / 無線通信工学 / 符号理論 |
|---|
| 研究開始時の研究の概要 |
1) 深層展開に適した基礎アルゴリズムをどのように構成していくべきか，2)学習パラメータをどのように選択すべきか，3) 深層展開から得られる学習結果の数理的特性はどのようなものであるかを系統的に論じる研究はない．本計画の主たる学術的問いは，深層展開に基づくアルゴリズム構築において，実践的・数理的理解に裏打ちされた系統的な方法論は存在するかという問いである．上記の課題1), 2), 3)の緻密な検討を通して,従来の深層展開の研究で欠けていた部分を埋めることができれば深層展開の適用範囲のさらなる拡大に繋がり，広範な反復型信号処理アルゴリズムの特性改善と新規アルゴリズムの創出が可能であると考える。
|
| 研究成果の概要 |
本計画研究では，モデルベース深層学習と深層展開を主軸としたアルゴリズム構成論の深化を目標としてきた．４つのサブプロジェクト（SP1(正則化項付き最小二乗問題に基づくアルゴリズム構築)，SP2(深層展開における学習パラメータ選択)，SP3(チェビシェフ法に基づく収束加速)，SP4(分散信号処理と機械学習技術の融合)）に従い，研究を推進してきた結果として，多数の研究成果が得られた．例えば，連続時間スパース信号復元理論，近接勾配復号法，ベクトル類似度検索に基づくオフライン学習手法，チェビシェフステップに関する理論と応用などその成果は多岐にわたり，当初目標を上回る成果が得られたものと考えている．
|
| 研究成果の学術的意義や社会的意義 |
本研究で確立したモデルベース深層学習と深層展開の理論体系および実用技術は，学術的価値の創出に留まらず，高い実用的価値を有するものと期待される．特に，6G時代を見据えた次世代通信インフラの構築において本研究成果は重要な技術基盤を提供する．深層展開技術は，従来のブラックボックス型機械学習とは一線を画し，通信工学の豊富なドメイン知識を活用できる点で極めて有用である．本研究で開発した分散信号処理技術は，IoT・エッジコンピューティング環境における大規模システムの実現への貢献が期待される．また，連続時間信号処理理論などの理論的成果は，信号処理分野全般において波及効果をもたらすと考えられる．
|
