| 研究課題/領域番号 |
23K16949
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024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)
2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2023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 | Time Series / Neural Networks / Dynamic Programming / Pattern Recognition / Machine Learning / Time series / Temporal neural network / Dynamic programming |
|---|
| 研究開始時の研究の概要 |
Dynamic neural networks are artificial neural networks that can adapt their structures based on the input during inference. This research will explore dynamic feature alignment in order to dynamically warp the structure and parameters of temporal neural networks.
|
| 研究成果の概要 |
この研究から、3つの査読付き国際ジャーナルと10の査読付き国際会議プロシーディングスが出版された。研究のうち、転移学習、敵対的攻撃に対する頑健性、時系列を用いた応用について進展があった。例えば、異なる次元のデータセット間の転移学習や、転移可能性の予測に画期的な成果があった。また、時系列ニューラルネットワークに対する敵対的攻撃から防御する2つの新しい手法の開発でも進歩が見られた。
|
| 研究成果の学術的意義や社会的意義 |
この研究は多くのテーマにおいて広範な成功を収めました。多くのテーマはパターン認識、特に時系列認識において重要です。本研究で用いられた手法は、現在の時間軸ニューラルネットワークにおける多くの問題の解決に活用できます。
|
