• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2019 年度 研究成果報告書

深層ニューラルネットワークによる深層準線形サポートベクターマシンの構築と応用

研究課題

  • PDF
研究課題/領域番号 17K06506
研究種目

基盤研究(C)

配分区分基金
応募区分一般
研究分野 制御・システム工学
研究機関早稲田大学

研究代表者

古月 敬之  早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (50294905)

研究期間 (年度) 2017-04-01 – 2020-03-31
キーワード深層ニューラルネットワーク / サポートベクターマシン / 深層学習 / 機械学習 / パターン認識
研究成果の概要

本研究では、深層準線形サポートベクターマシン(SVM)の構築を行う。深層ニューラルネットワークにより深層準線形カーネルを深層学習で合成する。これにより、訓練済の深層ニューラルネットワークからSVMのカーネルを合成し(転移学習)、このカーネルに基づいた分類器をSVM 最適化(小データ)することによって、小データでも深層学習の実現が可能になる。

自由記述の分野

システム工学、ソフトコンピューティング

研究成果の学術的意義や社会的意義

本研究では、サポートベクターマシン(SVM)を深層学習で訓練済みの深層ニューラルネットワークから構築する。SVMのための深層準線形カーネルの構築に通してSVMと深層ニューラルネットワークとの間に橋を架け、近年著しく発展できている深層学習技術を活用し、深層カーネルの学習は大規模なデータの場合でも容易に実現できる。一方、深層学習の立場から見れば、訓練済の深層ニューラルネットワークからSVMのカーネルを合成し(転移学習)、このカーネルに基づいた分類器をSVM 最適化(小データ)することによって、小データでも深層学習の実現が可能になる。

URL: 

公開日: 2021-02-19  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi