深層学習における敵対的損失関数に基づく新しい摂動学習の確立とその応用

• 研究課題/領域番号: 24K02957
• 研究種目: 基盤研究(B)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分61010:知覚情報処理関連
• 研究機関: 東京工業大学
• 研究代表者: 田中 正行 東京工業大学, 工学院, 教授 (60401543)
• 研究分担者: 紋野 雄介 東京工業大学, 工学院, 特任准教授 (10744477)
• 研究期間 (年度): 2024-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 18,460千円 (直接経費: 14,200千円、間接経費: 4,260千円); 2027年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円); 2026年度: 6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円); 2025年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円); 2024年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
• キーワード: 深層学習

研究開始時の研究の概要

深層学習の画像認識問題において敵対的損失関数に基づく新しい摂動学習手法を確立し、画像復元問題など多様な問題に応用する。まず、従来の代表的な摂動学習であるSAM、FOMAML、PoFなどは、全て学習損失関数の勾配に基づく摂動であることを指摘する。さらに、本研究課題では、学習損失関数の勾配は、最適解近傍では不安定になりやすいことを示す。本研究課題では、最適解近傍でも効果的に摂動を生成することが可能な敵対的損失関数を導入する。敵対的損失関数に基づき最適解近傍でも適切な摂動を生成可能であることを示し、機械学習における摂動学習の学問領域を拡大する。