解釈可能な非線形積分ニューラルネットワークの理論と実装

• 研究課題/領域番号: 24K06868
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分12040:応用数学および統計数学関連
• 研究機関: 九州工業大学
• 研究代表者: 本田 あおい 九州工業大学, 大学院情報工学研究院, 教授 (50271119)
• 研究期間 (年度): 2024-04-01 – 2029-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円); 2028年度: 650千円 (直接経費: 500千円、間接経費: 150千円); 2027年度: 650千円 (直接経費: 500千円、間接経費: 150千円); 2026年度: 650千円 (直接経費: 500千円、間接経費: 150千円); 2025年度: 650千円 (直接経費: 500千円、間接経費: 150千円); 2024年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
• キーワード: 深層学習 / 数理モデル / 機械学習 / 非線形積分 / 解釈可能なAI

研究開始時の研究の概要

ニューラルネットワークの技術が進展し、予測精度の飛躍的な向上により幅広い分野に革新的な変化をもたらしているが、モデルの解釈性が低いという問題は解消できていない。本課題の目的は、非加法性理論と深層学習を融合し、解釈可能かつ幅広く応用可能な技術を開発し、予測力と説明力を両立するデータ解析技術を確立することである。申請者自身が提案する積分統合演算を組み込んだネットワークモデルを用いて推論技術と情報抽出技術の開発、及びこれを用いた他のブラックボックスモデルに解釈性を与える手法を開発する。開発技術は実装してライブラリとして公開する他、理論解析を行い精密な十分条件や公理による特徴づけにより理論補強を行う。