| 研究課題/領域番号 |
16K00248
|
|---|
| 研究機関 | 兵庫県立大学 |
|---|
研究代表者 |
礒川 悌次郎 兵庫県立大学, 工学研究科, 准教授 (70336832)
|
|---|
| 研究分担者 |
松井 伸之 兵庫県立大学, 工学研究科, 教授 (10173783)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | ニューラルネットワーク / 複素ニューラルネットワーク / 四元数 / 深層学習 / 可換四元数 |
|---|
| 研究実績の概要 |
本研究課題では，超複素数における深層学習手法を開発するとともに，それを組み込みシステムへの実装ならびに画像解析への応用に供することを目的としている．そのため，達成すべき課題は，(1) 四元数・可換四元数に基づく深層学習手法の確立，(2) この深層学習による画像解析システムの構築・評価の二点に分けられる．平成28年度においては(1)を中心として研究を展開した．
(1)の代表的な成果として，ニューラルネットワークの一つであるエクストリーム学習器(Extreme Learning Machine; ELM)を四元数化した四元数ELM(QELM)モデルを提案し，色彩画像処理ならびに３次元座標変換処理において性能を評価した．CIFER-10画像データセットを用いた画像識別ならびに画像の自己符号化において，提案QELMは実数型ELMと比較して高い性能を持つことが明らかとなった．これらの成果については，国際論文誌Signal Processingに掲載された．
また，(2)に関しては，四元数ニューラルネットワークを適用する前に通常の実数型深層学習を用いた「画像からの人物抽出システム」ならびに実数型オートエンコーダを用いた「胃X線二重造影像からの腫瘍領域検出システム」についての評価を行った．後者のシステムについては，国内学会(SSI2016)にて発表を行った．
さらに関連研究として，ホップフィールドネットワークに基づく連想記憶システムについて，四元数の非可換性を利用したニューロンモデルを提案し，それによる想起性能の評価を行った．この結果に関しては国際会議ICONIP2016にて発表を行った．
|
| 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
四元数エクストリーム学習器(QELM)は四元数に基づく深層学習において要素技術となりうるものである．この学習器を構成し，さらに実数型ELMと比較して高い汎化能力を有していることが判明したことから，これを超多層化することにより四元数に基づく深層学習の構築を行うことが可能である．
応用システムに関しては，これまでに実数型深層学習，オートエンコーダに基づく手法を提案および評価を行うことができた．これらを比較対象として，四元数深層学習・四元数オートエンコーダに基づく手法と性能比較することが必要である．
|
| 今後の研究の推進方策 |
深層学習における要素として，四元数化された畳み込み層・プーリング層は必要不可欠であり，これらを実装した四元数深層学習手法を確立することが平成29年度における主要な課題である．また，多次元信号をニューラルネットワークなどにより取り扱う際には，これらを解析信号として取り扱うことが必要であると考えられる．四元数解析信号を取り扱うことが可能となる深層学習モデルを検討することも重要な課題であると考える．
|
