| 研究領域 | 人工知能と脳科学の対照と融合 |
|---|
| 研究課題/領域番号 |
17H06026
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
複合領域
|
|---|
| 研究機関 | 電気通信大学 |
|---|
研究代表者 |
柳井 啓司 電気通信大学, 大学院情報理工学研究科, 教授 (20301179)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
12,220千円 (直接経費: 9,400千円、間接経費: 2,820千円)
2018年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
2017年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
|
|---|
| キーワード | 深層学習 / 畳み込みネットワーク / 同時学習 / 人工知能 |
|---|
| 研究実績の概要 |
本研究では，単一のCNN （Convolutional Neural Network, 畳み込みネットワーク）に複数のタスクのための機能を同時に学習させ，学習した独立の機能の組み合わせ・重ね合わせによって，事前に学習した個別の単一機能とは異なる，新しい機能を実現し，Neural Networkがより人間の脳に近い汎用的な能力を持っていることを実証することを目的とする．
2年目は，1年目の画像を入力して画像を出力するEncoder-Decoderネットワークのマルチファンクション学習の研究としてスタイル変換と領域分割の組み合わせ，を発展させて，より多くの画像変換タスクを1つのネットワーク学習可能とすることを実施した．特に，"PiggyBack"と呼ばれる方法を応用して１つのEncoder-Decoderネットワークに領域分割，coloring, スタイル変換を同時および逐次に学習することを実現した．
|
| 現在までの達成度 (段落) |
平成30年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
平成30年度が最終年度であるため、記入しない。
|
