| 研究課題/領域番号 |
17H00763
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 国立情報学研究所 |
|---|
研究代表者 |
井上 克巳 国立情報学研究所, 情報学プリンシプル研究系, 教授 (10252321)
|
|---|
| 研究分担者 |
坂間 千秋 和歌山大学, システム工学部, 教授 (20273873)
沖本 天太 神戸大学, 海事科学研究科, 准教授 (10632432)
Nicolas Schwind 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (60646397)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | 推論 / 機械学習 / 知識表現 / 関係学習 / 表現学習 / 状態遷移 / ダイナミクス学習 |
|---|
| 研究成果の概要 |
時間的に変化する系のダイナミクスを理解するために、状態遷移を観測としその背後にある遷移規則を学習する方式について研究した。このために、関係ダイナミクス学習理論の構築、スケーラブルな関係ダイナミクス学習方式の開発、ダイナミック環境におけるチャレンジ問題への適用、というサブテーマを設定した。理論面では、解釈遷移からの学習(LFIT)を多値・連続ドメインや非同期更新等が扱えるように拡張した。実装面では、線形代数手法やニューラルネットワークを用いた学習を可能にした。応用面では、遺伝子制御ネットワーク等の生体系における学習や、チーム形成や提携構造形成等のエージェント系におけるロバスト性について検討した。
|
| 自由記述の分野 |
知能情報
|
| 研究成果の学術的意義や社会的意義 |
学術的には、関係ダイナミクス学習理論の構築、およびスケーラブルな関係ダイナミクス学習方式の開発を通して、ダイナミック制約で表現される系を学習するための計算基盤を確立した。また生物学・社会学・工学等に関係する多くのチャレンジ問題において、ダイナミック環境に関係するレジリエントなシステムの設計と応用について多くの知見を得ることができた。社会的には、本研究をより一般化することで、ノイズがある現実世界の環境から機械学習のためのモデルを構築し、記号化された知識を得ることでその上での推論結果を意思決定・問題解決・質問応答に適用することができるため、次世代AIシステムにとって重要な技術となるものである。
|
