研究課題
基盤研究(B)
AIによる自動認識では、大規模なパラメータで構成されるニューラルネットワークを画像等の入力パターンに適用することで、パターン特徴表現を学習的に獲得している。本研究では、特徴の幾何的・統計的観点から、パターン特徴の汎化能力向上に資する学習方法を構築する。特徴ベクトルに幾何変動を加えることで学習タスクにおける頑健性を改善し、識別器などを通した特徴の部分空間表現を解析することで様々なタスクへ展開し得る汎化性の向上が可能となる。そのような特徴の幾何的特性を統計的アプローチにより解析・定式化することによって新たな学習方式の理論基盤を創出し、実データを用いた評価実験を通してその有効性を検証する。