| 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, 大学院工学系研究科(工学部), 特任講師 (00512097)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2019-03-31
|
| キーワード | Deep Learning / 機械学習 / 脳科学 / Webデータ / スパースデータ / データサイエンス |
|---|
| 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．本機構が目指す目標は，多様なタスク（アプリケーション）へ適用可能な汎用性の高い知識処理のモデルおよび，大規模なデータをリアルタイムに処理可能な並列処理に最適化された計算モデルの２点である．特に重要なのは，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であり，GPU（OpenCL等）を利用した多コア環境で実行可能なモデルを構築する．
さらに，本手法の有効性を実証するために，プロジェクトの前半ではスパムフィルタなどの比較的シンプルなタスクやデータに適用するが，プロジェクト後半では連想検索とオープンQAの二つのアプリケーションを期間内に構築することを目指して研究活動を推進してきた。
以上の予定と活動に基づき、2016年度は予定どおり基礎研究に軸足を置きつつ、アプリケーションへの適用を試験的に進めてきた。特にスパース性の高いWebデータへの適用を積極的に進め、研究開発を推進してきた。さらに、当初の研究計画に基づき、研究成果の対外発信を強化してきた。論文誌で研究成果が掲載された他、情報処理学会論文誌を始めとする国内論文誌へ論文を投稿中である。また、Deep Learning系のトップカンファレンスにも積極的に論文を投稿中である。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初予定では、２９年度は基礎研究を進めつつもアプリケーションへの適用や対外発信を強化することを目標として掲げていた。まず、アプリケーションへの適用については代表的な大規模スパースデータであるWebのデータにDeep Learningのアルゴリズムを適用する方法を確立し、適用してきた。次に対外発信に関しては、積極的に論文投稿を進め、論文誌やトップカンファレンスにも積極的に論文を投稿中である。また、人工知能学会などの国内会議での発表を通じ、情報収集とフィードバックの収集を進めている。以上のことから、予定したとおりに研究活動は進行していると考えている。
|
| 今後の研究の推進方策 |
今年度は、より実用的な技術開発を目指し、アプリケーションへの適用を進めると共に、さらなる成果発表の強化を目指す。その際、よりGPUに向いた効率の良いスパースデータを扱う手法の確立を目指し、手法の高度化を目指す。
|
