汎化性能を改善するための不動点オプティマイザに基づいた深層学習法

• 研究課題/領域番号: 24K14846
• 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60020:数理情報学関連
• 研究機関: 明治大学
• 研究代表者: 飯塚 秀明 明治大学, 理工学部, 専任教授 (50532280)
• 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: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円); 2026年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2025年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2024年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
• キーワード: 汎化性能 / 不動点最適化 / 深層学習

研究開始時の研究の概要

応募者が提唱する不動点最適化アルゴリズムを提案問題（不動点集合上の最適化問題）に適用できるように拡張した不動点オプティマイザ (Fixed Point Optimizer; FPO) を提案し，それが提案問題の最適解へ収束することを数学的に証明する。また，提案オプティマイザの収束率解析も行う。

深層学習に関するベンチマークデータセットを用いて提案および従来深層学習法の性能を，汎化性能や実行時間等の評価により比較する。提案深層学習法が従来深層学習法と比べて汎化性能が向上していることをシミュレーション評価実験から実証する。