Generalized deep unfoldingの提案と曖昧なドメイン知識モデリングへの応用

• 研究課題/領域番号: 24K03010
• 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61040:ソフトコンピューティング関連
• 研究機関: 大阪大学
• 研究代表者: 早志 英朗 大阪大学, データビリティフロンティア機構, 准教授 (00790015)
• 研究分担者: 古居 彬 広島大学, 先進理工系科学研究科(工), 助教 (30868237)
• 研究期間 (年度): 2024-04-01 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 18,590千円 (直接経費: 14,300千円、間接経費: 4,290千円); 2026年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円); 2025年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円); 2024年度: 6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
• キーワード: ニューラルネットワーク / 機械学習 / ベイズ深層学習 / Active learning

研究開始時の研究の概要

近年の人工知能の基礎技術である深層学習はその学習に大量のデータを必要とするため，医療データのようなデータ収集にコストがかかり，ラベリングに専門知識が必要なドメインでは適用が困難な場合が多い．本研究では，専門知識を数式として表現し，深層学習の内部へ埋め込むことで少ないデータ数での学習を可能にする技術を提案する．そして，提案技術を生体信号解析や医用動画像解析といった実データ解析へ応用する．