| 研究課題/領域番号 |
16K16121
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 日本大学 (2018)
国立研究開発法人理化学研究所 (2016-2017) |
|---|
研究代表者 |
早川 隆 日本大学, 医学部, 助教 (30756789)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | 情報量最大化 / ニューラルネットワーク / 統計力学 / 強化学習 |
|---|
| 研究成果の概要 |
研究代表者は自身の先行研究の結果を拡張し、学習対象が学習し変化する場合にもその対象から効率的に情報収集するための学習理論・計算機アルゴリズムを導いた。導かれたアルゴリズムの性能を、理論的な解析や計算機シミュレーションによって評価し、情報収集の効用について新たな知見を得た。また、学習時系列を記憶することが性能の鍵となることを見出し、情報収集に使う人工神経回路の動作についての新しい理論を導き、効率的に時系列を記憶する回路を設計できた。以上のように、学習する対象から人工神経回路等を用いて情報収集をするための理論上・応用上の基盤となる結果を得た。
|
| 自由記述の分野 |
ニューラルネットワーク
|
| 研究成果の学術的意義や社会的意義 |
我々人間が日常的に経験しているように、どのような種類の学習であっても、学習対象について情報収集することが効率的な学習の鍵となる。学習対象自体が知能を持たず変化しない場合については、コンピューターが自動的に情報収集するためのアルゴリズムが研究されてきたが、学習対象自体が知能を持ち学習し変化する場合についてはあまり研究されてこなかった。研究代表者は後者の場合にも適用できるコンピューターアルゴリズムを導き、その有用性を示し、応用面での技術的なブレイクスルーを得た。この成果を基盤として、人工知能の様々な学習機能が加速され、絶えず変化する環境に適応できるものになっていくことが期待される。
|
