| 研究課題/領域番号 |
17K14687
|
|---|
| 研究機関 | 鈴鹿工業高等専門学校 |
|---|
研究代表者 |
生田 智敬 鈴鹿工業高等専門学校, 電気電子工学科, 助教 (70757319)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | ニューラルネットワーク / グリア / 機械学習 / ノイズ / グリア細胞 / パターン分類 |
|---|
| 研究実績の概要 |
本年度の研究計画では，ディープグリアニューラルネットワークの構築とその一般的な問題への適応であった．グリア細胞は近年注目される用になった脳内に存在するニューロン以外の細胞であり，その一部はイオン濃度の変化を用いてニューロンと似た情報伝播を行っていることが知られている．本研究の目的は，現在多くの研究が行われているディープラーニングのネットワークに対しグリア細胞の特徴を付与し新たな特性を持ったディープグリアニューラルネットワークを構築することである．
本年度は，ディープラーニングのフリーライブラリを用いたディープグリアニューラルネットワークの構築とそれを用いた実験を行った．特にこれまでの研究では，全結合層に対しグリアネットワークを適応してきたことから，全結合層へグリアネットワークを結合しグリアパルスを注入するモデルを作成した．このディープグリアニューラルネットワークを用いてMNISTやCIFAR-10といったディープラーニングの一般的な問題に適応し学習効率や識別精度について考察した．しかし，上記の問題においては，大きな学習効率の改善を確認することはできなかった．これは，入力からの畳み込み層ですでに多くの入力に対する最適化が行われており規模の大きなディープラーニングの全結合層のみへのパルス注入では大きな効果が得られていないことが考えられる．そのため，よりグリアの影響を及ぼす範囲を広くしその影響について考察する必要がある．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
ディープグリアニューラルネットワークの一般的なライブラリを用いた構築とMNISTやCIFAR-10といった画像識別問題への応用を実施した．しかし，ディープグリアニューラルネットワークの最終段の全結合層へのグリアパルスの注入では大きな学習効率の改善を確認することができなかった．そのため，新たにリアルタイムの動画像処理への応用に移行しており，その点で進捗が遅れている．
|
| 今後の研究の推進方策 |
ビデオカメラから取得した動画像をリアルタイムで処理し物体検出を行うディープグリアニューラルネットワークの構築とその応用を行う．本研究におけるグリアパルスは，ニューロンからの入力を受け動的にパルスの出力パターンが変わりニューラルネットワークへ伝搬する構造となっている．時間的に変化するような問題への親和性が高いと考えられるため，時間変化に対するグリアパルスの働きについて詳細に調査を行う．
また，全結合層のみへのグリアパルスの注入では効果が薄かったため，よりディープグリアニューラルネットワーク全般に渡ってグリアの影響が出るネットワークの構築を行う．
|
| 次年度使用額が生じた理由 |
本年度に研究機関の移動があり，年間計画との兼ね合いから研究発表等の計画に変更があったため次年度使用額が生じている．これまでの研究成果を国際学会や学術論文として公表する経費として充当する予定である．
|
