| 研究課題/領域番号 |
16K00322
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
亀山 啓輔 筑波大学, システム情報系, 教授 (40242309)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | 高次スペクトル / 信号認識 / ニューラルネットワーク / サポートベクトルマシン / カーネル法 / 生体認証 / 虹彩 |
|---|
| 研究実績の概要 |
平成29年度は，引き続き高次スペクトル特徴量を用いた信号分類の一例としての虹彩認証法の開発を進め，これまでに提案してきた一次法（局所的な高次スペクトル特徴量を直接利用する方法）と，二次法（2か所の高次スペクトル特徴量の間の関係性としてカーネル関数を利用する方法）の両方において認証精度を高めるため，特徴量を変換した虹彩コードにおける各ビットの頑健性を評価し，頑健性に応じた信頼度を付与して虹彩コード間の類似度を評価する方法を提案した．実際の虹彩画像を用いた認証実験により，提案法が認証精度の向上に有効であることが示された．
また，高次スペクトルカーネルに関するカーネル学習と，神経回路網モデルでの実現を目指す勾配学習との組み合わせを実現するための基礎的な検討を継続して行った．信号分類問題を学習した高次スペクトルカーネルを用いたSVMにより選出されたサポートベクトルを手掛かりに，分類に有用な空間周波数の組を推定する方法について検討を進め，さらに，推定した有用な特徴量を初期値とする高次複素畳み込み神経回路網(HOCNN)の，誤差逆伝播法(BP)に基づく学習アルゴリズムの検討を行った．
さらに，ニューラルネットワークを用いて多クラス分類を行う際の，誤り訂正出力符号を用いた学習方式についても検討を進めた．同出力符号を用いたAdaBoost (AdaBoost-ECOC) を手掛かりに，層状ニューラルネットワークへの適用を想定し，他の弱分類器の機能を補うように，弱分類器ごとに異なる重みが学習セットのそれぞれに対して付与され，学習が並列的に行われる方式を提案した．これにより，一定数の弱分類器（ニューロン）を持つニューラルネットワークの特徴抽出層におけるニューロンの役割分担を自己組織化させることができることを明らかにした．今後，これらの成果を関連学会において発表していく．
|
| 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
提案している高次畳み込みニューラルネットワーク(HOCNN)の実験に用いるGPGPUを搭載した専用計算機の導入がGPGPU装置の品薄により納品が2018年4月にずれ込み，シミュレータの開発に若干の遅延が発生しているが，虹彩認証や，層状ニューラルネットワークの新たな学習方式の提案などの進展があり，概ね順調な進捗と考える．
|
| 今後の研究の推進方策 |
専用計算機の導入次第，提案しているHOCNNの実装に注力し，大規模な画像分類問題等において高次スペクトル特徴量を用いていくことの有効性の検証を早期に実施する．その過程で，これまで提案してきた高次スペクトル特徴量の活用法や，学習セットに付与した重みを介して層内のニューロンの分業が自己組織化される学習方式の有効性を改めて検証し，最終年度の総括とする．
|
| 次年度使用額が生じた理由 |
当初年度内納品を予定していた並列処理学習実験用コンピュータの納品が2018年4月末にずれ込んだため，年度内執行のない報告となるが，繰越額の大半は年度当初に納品される同コンピュータの支払いに充て，平成30年度受領分については，当初計画のとおり消耗品の購入と成果発表旅費として執行する計画である．
|
