| 研究課題/領域番号 |
18H03308
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
谷口 忠大 立命館大学, 情報理工学部, 教授 (80512251)
|
|---|
| 研究分担者 |
萩原 良信 立命館大学, 情報理工学部, 講師 (20609416)
|
|---|
| 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 / 確率的生成モデル / 認知アーキテクチャ / 自己組織化 |
|---|
| 研究実績の概要 |
実世界の経験から言語を獲得する知能を実現するためには，分散開発が効率的に可能であり，再統合後に自己組織的な環境適応が可能となる認知アーキテクチャをいかにして作るか？という「問い」に答える必要がある．本研究では，確率的生成モデルと深層学習の双対的関係に着目し，それぞれの長所を活用可能な自己組織型認知アーキテクチャの分散開発フレームワークを確率モデルの理論的基盤の上で提案し，その有効性を示すことを目指して研究を行ってきた．以下の項目に基づいて研究を進めてきている．
1. 確率的生成モデルと深層学習の双対的関係を活用した教師なし学習モジュールの開発
2. 自己組織型認知アーキテクチャの分散開発フレームワークの構築：(2-A) 信念伝播に基づく生成モデルの分割法の定式化，(2-B) 双対的関係に着目した開発フレームワークの定式化，(2-C) フレームワークに基づく統合的認知アーキテクチャの開発
3. 自己組織型認知アーキテクチャの実ロボットへの実装と実世界タスクによる検証
本年度では，上記1. と(2-A)，(2-B)に取り組んだ．深層学習と混合モデルを組み合わせた教師なし学習モジュールの開発を行っている．1.に関しては特に自己位置推定課題とクラスタリング問題を対象にして一連の研究を行った．共同研究を通して深層生成モデルのフレームワークPixyzの活用を推進している．(2-A)に関しては信念伝播と変分推論，ギブスサンプリングらを複合的に用いた枠組みに関して検討を行った．(2-B)に関してはAmortized Inferenceの考え方を発展させ，生成モデルの分割法について研究を行った．これらの成果は翌年度以降の出版を目指す．認知アーキテクチャの研究には統合的な実世界認知を如何に創造するかという視点も重要であり，これに関して11名の国際的な研究者による国際共著論文を出版し
|
| 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
本年度の研究は基礎的研究および探索的研究に位置し，具体的な応用研究成果を得てはいないが，おおむね順調に進展していると言える．
|
| 今後の研究の推進方策 |
以下の各項目を推進していく．
1. 確率的生成モデルと深層学習の双対的関係を活用した教師なし学習モジュールの開発
2. 自己組織型認知アーキテクチャの分散開発フレームワークの構築：(2-A) 信念伝播に基づく生成モデルの分割法の定式化，(2-B) 双対的関係に着目した開発フレームワークの定式化，(2-C) フレームワークに基づく統合的認知アーキテクチャの開発
3. 自己組織型認知アーキテクチャの実ロボットへの実装と実世界タスクによる検証
特に，深層生成モデルに基づく認知アーキテクチャの開発フレームワークの構築をより重点的に推進していく．
|
