| 研究課題/領域番号 |
15H05327
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
中山 浩太郎 東京大学, 工学(系)研究科(研究院), 講師 (00512097)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2019-03-31
|
| キーワード | Deep Learning / GPGPU / スケーラビリティ / 脳科学 |
|---|
| 研究実績の概要 |
本研究課題では，最新の脳科学の知見を活かしてスケーラビリティの高いDeep Learning手法を開発し，柔軟な知識処理機構を実現することを目指している。昨年度は、予定通り一般的な計算環境（PC等）でも実行可能な並列計算のためのモデルの開発に注力して研究を進めてきた。その結果、GPU（OpenCL等）を利用した多コア環境で実行可能なモデルの構築に成功した。具体的には、レイヤー横断型の事前学習手法（CrossPre）を開発した。その成果が情報処理学会論文誌（TOD）に採録されることが決まったことは大きな成果であった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
本研究課題では，最新の脳科学の知見を活かしてスケーラビリティの高いDeep Learning手法を開発し，柔軟な知識処理機構を実現することを目指している。昨年度の目標としては、GPU（OpenCL等）を利用した多コア環境で実行可能なモデルの構築であったが、その結果が論文誌に採録された。また、予定では一つの有力な手法を開発することを目標にしていたが、さらにもうひとつ有力な手法の開発が進んでおり、相当の進捗がある。その成果も積極的に公開する準備を進めており、人工知能学会全国大会で発表することが決まっている他、論文誌、インパクトファクターの高い国際会議などへの投稿を進めている。
|
| 今後の研究の推進方策 |
前述のとおり、GPUを使った高速なモデルは当初予定していた以上の進展があったが、１）脳科学の知見を活かしたモデルの設計・開発、および２）スパースデータへの適用を積極的に進めていく。
|
