| 研究課題/領域番号 |
16J10941
|
|---|
| 研究機関 | 大阪府立大学 |
|---|
研究代表者 |
長谷川 拓 大阪府立大学, 工学研究科, 特別研究員(DC1)
|
|---|
| 研究期間 (年度) |
2016-04-22 – 2019-03-31
|
| キーワード | 進化型計算 / 適応度景観 / 劣個体数分布 / 遺伝的プログラミング / Deep Learning |
|---|
| 研究実績の概要 |
本年度の初めは，進化型計算の deep learning への応用研究に取り組んだ．研究計画通り，surrogate model をネットワーク評価に適用することにより学習コストを軽減する方針で研究を進めた．これに続けて，転移学習手法を用いてコストを軽減する方針で研究を進め，現在これを継続中である．また，階層構造によるネットワークの表現を用いた構造最適化手法についても検討し，上記の転移学習手法と合わせて新しい手法の提案に向けて調査，研究中である．
また，昨年から引き続き行っていた遺伝的プログラミングの新しい手法を提案し，解析をした．こちらは進化型計算における重要な課題の一つである，有望な部分解の保存とそれらの部分解の効率的な組合せを実現し，ユーザーが設定する可調整パラメータの削減の問題を解決する手法であり，こちらは従来に比べ大きく解の表現能力に対する制約を大きく緩和しつつ，探索能力も向上させることができた．一方で，テストに用いた問題の種類が限られていることが指摘され，より幅広い問題への対応について現在取り組んでいる．特に関数同定問題や決定木問題についての有用性の検討を第一として調査，実験を進めている．
その他に，進化型計算の実問題への応用として，進化型計算を用いた音楽の自動生成システムの開発に参加し，主に進化型計算によるメロディの探索とユーザーの評価推定に取組んだ．また，深層学習を用いた自然言語処理を用いたレビュー解析の研究にも取り組んだ．
|
| 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
今年度は, 進化型計算の deep learning への応用研究，遺伝的プログラミングの拡張手法の提案を中心として，応用研究も含め十分な検討ができた．
特に遺伝的プログラミングの研究においては国際学会で発表，論文誌掲載など成果を公表する活動も積極的にできた．
|
| 今後の研究の推進方策 |
MLPS-GPの研究では，提案手法の各種応用について引き続き検討していく．
特に，関数同定問題や決定木問題での有用性の検証を中心に研究を行なっていく．
深層学習への進化型計算の応用研究に関しても，計算コストを考慮した新たな手法の検討を続けて行なう予定である．
また査読付き国際学会，論文誌を中心に成果を公表していくことにも重点を置く．
|
