| 研究課題/領域番号 |
18H03305
|
|---|
| 研究機関 | 横浜国立大学 |
|---|
研究代表者 |
長尾 智晴 横浜国立大学, 大学院環境情報研究院, 教授 (10180457)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 機械学習 / 深層学習 / ニューラルネットワーク / 進化計算法 / マルチモーダル / 時系列予測 |
|---|
| 研究実績の概要 |
本年度は昨年度に検討した浸透学習法のベースモデルをさらに発展させるための研究を行なった．具体的には次に示す研究項目を実施した．
①浸透学習のマルチモーダル認識への応用： 人が画像を見ているときの表情，脳波，心拍数などを計測することで，見ている画像に対してポジティブな印象をもっているか，あるいはネガティブな印象をもっているかを計測する実験を行った．そして，通常は計測が困難な脳波・心拍などの情報をAuxデータ（学習時のみ利用可能なデータ），非接触センサであるカメラによる表情の情報をMainデータ（学習時・運用時の両方で利用可能なデータ）にして入力し，浸透効果が得られるかどうかを確認した．その結果，浸透学習法によってAuxの影響をMainに“浸透”させることができることを確認した．このようにモーダルの異なる信号間の浸透を実験により確認することは非常に有意義であるとともに，自動車内の人の観察など様々な応用が可能であると考えられる．
②浸透学習の時系列予測への応用： 例えば株価や何等かの経済指数などの金融関連の価格が将来どのように変化・推移するかを調べる時系列信号の変動を予測する問題に浸透学習を適用してその有効性を検証した．その際，Auxには未来の情報，Mainには想定している現時点から過去の情報を入力して学習を行った．これにより，通常の深層学習では実現することができない，運用時は利用することができない未来情報の影響を考慮した予測器を作ることができ，過去情報だけを利用する場合に比較して予測精度が向上することを確認した．
得られた研究成果は，国内外の学会や論文誌などで積極的に公表する予定である．
|
| 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
本事業の当初計画に沿って研究が進展していること，および研究成果も着実に得ることができ，今後，学会などで発表予定であるため．
|
| 今後の研究の推進方策 |
来年度はまず，提案する浸透学習法のベースモデルを確立することを目指した研究を行なう．具体的には次に示す研究項目について研究を行なう．
①浸透学習の基礎手法の確立： これまでに浸透学習のベースとなるニューラルネットワークモデルおよび学習方法は開発済みであるが，様々な種類のAuxとMainについて試行実験した結果から，ベースとなるモデルの構造を，入力されるデータ（AuxとMain）に応じてある程度最適化した方が精度が高くなることがわかった．そこで，浸透学習モデルの構造（層の総数・結合のさせ方などの構造，及び学習時の学習係数などのパラメータ）を入力データに合わせて進化計算法で最適化する方式を開発し，どのような入力データに対しても浸透効果を確実に発揮できるようにする．
②浸透学習の具体的な問題への適用： ①で開発した手法を具体的な問題に適用してその有効性を検証する．対象としては，現時点では，時系列変動予測問題（Aux：未来情報，Main：過去情報）とマルチモーダル感性計測（Aux：fMRI，EGG，心拍など，Main：表情，音声など）を想定している．前者では一般的な株価などの金融関係，時系列センサ信号からの異常予測などを扱う予定である．また，後者では作業中あるいは運転中などの人物の感性を計測する実験を行う予定である．
これらの研究成果は，国内外の学会や論文誌などで積極的に公表する予定である．
|
