| 研究課題/領域番号 |
26730085
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
中山 英樹 東京大学, 情報理工学(系)研究科, 講師 (00643305)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2016-03-31
|
| 研究課題ステータス |
完了 (2015年度)
|
| 配分額 *注記 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2015年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2014年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 深層学習 / ディープラーニング / 画像認識 / 畳み込みニューラルネットワーク / 表現学習 / 人工知能 / 少サンプル学習 |
|---|
| 研究成果の概要 |
本研究では、少数の教師付学習サンプルから高速かつ安定な学習を可能とする新しい深層学習の枠組を提案した。まず、フィッシャー重みマップ法による識別的な解析解により畳み込み層を算出し、これを順次積み上げることで多層畳み込みニューラルネットワーク(CNN)をボトムアップに構築する。さらに、これを初期状態として誤差逆伝播法による学習を進めることで、より優れた局所解に高速に到達させることを狙う。提案手法は、MNIST・STL-10などの本分野におけるいくつかの代表的なベンチマークにおいてstate-of-the-artの識別精度を達成した。
|
