• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

深層学習を用いた模倣学習による文法創発モデル

公募研究

研究領域共創的コミュニケーションのための言語進化学
研究課題/領域番号 18H05057
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
研究機関北海道大学

研究代表者

飯塚 博幸  北海道大学, 情報科学研究院, 准教授 (30396832)

研究期間 (年度) 2018-04-01 – 2020-03-31
研究課題ステータス 完了 (2019年度)
配分額 *注記
3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2019年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2018年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
キーワード敵対的模倣学習 / LSTM / カオス / 文法 / 深層学習 / ニューラルネットワーク / 複雑化 / 模倣学習
研究実績の概要

初年度において関数の表現が豊かなフィードフォワードニューラルネットワークを用いても,相手を真似したいが,相手からは真似されたくない状況である敵対的模倣学習によって時系列が複雑化することが明らかになった.最終年度は,まず,敵対的模倣が複雑化に寄与しているのかを確かめるために,異なる真似関係構造がもたらす時系列の複雑さを明らかにした.相互作用の種類として,2体のそれぞれのエージェントに,模倣のみ(真似したい),被模倣のみ(真似されたくない),敵対的模倣の3種類を用いてシミュレーションを行った.結果として,少なくとも一方が敵対的模倣のときのみ時系列は複雑化し,そのときに相手が被模倣もしくは敵対的である必要があることが明らかとなった.両者の真似されたくないというのが複雑化の必要条件であり,かつ,少なくともどちらか一方が真似したいという敵対的模倣が必要であるとわかった.
さらに,敵対的模倣学習がもたらす時系列の時間方向の複雑化を示すために,記憶を保持できるリカレントニューラルネットワークの一つであるLSTMを用いてモデルの構築とシミュレーションを行った.結果,初年度のモデルと同様に,リアプノフ指数が正となり,時系列が複雑化することがわかった.そこで,記憶のないモデル時に見られなかったような時間方向への構造化を定量的に示すために,ZIP圧縮を用いて生成時系列を圧縮させた.時系列がカオスになっているエポックのうち,その中でも相対的に圧縮できるパターンが生まれていることが明らかとなった.このときの時系列の遷移パターンを可視化するために,N-gramモデルを用いて時系列を有限状態文法で表し,ノード数・パス数ともに小さくなっていることを示し,より単純なグラフになっていることがわかった.記憶を持つ場合には,空間方向だけでなく時間方向も扱えるため,時間方向の複雑化・構造化が生じた.

現在までの達成度 (段落)

令和元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

令和元年度が最終年度であるため、記入しない。

報告書

(2件)
  • 2019 実績報告書
  • 2018 実績報告書
  • 研究成果

    (7件)

すべて 2020 2019 2018

すべて 雑誌論文 (1件) (うち査読あり 1件) 学会発表 (6件) (うち国際学会 6件)

  • [雑誌論文] Complexity of bird song caused by adversarial imitation learning2020

    • 著者名/発表者名
      Seiya Yamazaki, Hiroyuki Iizuka, Masahito Yamamoto
    • 雑誌名

      Artificial Life and Robotics

      巻: 25(1) 号: 1 ページ: 124-132

    • DOI

      10.1007/s10015-019-00559-5

    • NAID

      120006955201

    • 関連する報告書
      2019 実績報告書
    • 査読あり
  • [学会発表] Analysis of Time Series Trained by Adversarial Imitation Learning in Discrete State Neural Network Model2020

    • 著者名/発表者名
      Seiya Yamazaki, Hiroyuki Iizuka, Masahito Yamamoto
    • 学会等名
      Proceedings of the 2020 IEEE/SICE International Symposium on System Integration
    • 関連する報告書
      2019 実績報告書
    • 国際学会
  • [学会発表] Analysis of Time Series Generated By Long Short-Term Memory Trained with Adversarial Imitation Learning2019

    • 著者名/発表者名
      Seiya Yamazaki, Hiroyuki Iizuka, Masahito Yamamoto
    • 学会等名
      Proceedings of 2019 IEEE Symposium Series on Computational Intelligence (IEEE SSCI 2019), 2019 IEEE Symposium on Artificial Life
    • 関連する報告書
      2019 実績報告書
    • 国際学会
  • [学会発表] Adversarial Imitation Learning of Bird Song Modeled with Recurrent Neural Network2019

    • 著者名/発表者名
      Seiya Yamazaki, Hiroyuki Iizuka, Masahito Yamamoto
    • 学会等名
      The 24th International Symposium on Artificial Life and Robotics 2019 (AROB 2019), 162-167
    • 関連する報告書
      2018 実績報告書
    • 国際学会
  • [学会発表] Emergence of Chaotic Time Series by Adversarial Imitation Learning2018

    • 著者名/発表者名
      Seiya Yamazaki, Hiroyuki Iizuka, Masahito Yamamoto
    • 学会等名
      Proceedings of the 2018 Conference on Artificial Life, 659-664
    • 関連する報告書
      2018 実績報告書
    • 国際学会
  • [学会発表] Differentiation of communication signals to establish cooperation using Deep Q-Network2018

    • 著者名/発表者名
      Hironobu Horiuchi, Hiroyuki Iizuka, Masahito Yamamoto
    • 学会等名
      Proceedings of IES 2018 (the 22nd Asia Pacific Symposium on Intelligent and Evolutionary Systems), 156--162
    • 関連する報告書
      2018 実績報告書
    • 国際学会
  • [学会発表] 敵対的模倣学習におけるカオス時系列の創発要因2018

    • 著者名/発表者名
      山嵜聖也, 飯塚博幸, 山本雅人
    • 学会等名
      情報処理北海道シンポジウム2018, 161-166
    • 関連する報告書
      2018 実績報告書
    • 国際学会

URL: 

公開日: 2018-04-23   更新日: 2021-01-27  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi