|
本研究の学術的な意義はディープラーニングを画像に対して適用する際、データセットが非構造化データセット（数値など）、非構造化データセット（コンピュータビジョン、産業応用画像）および非構造化データセット（医用画像）において学習方式および学習結果の説明能力と解釈性は大きく異なるので、それぞれに適したディープラーニングの方式を具体的に示した点にある。
この研究はクレジットスコアリング、peer-to-peerレンディング、材料画像、病理画像などの広範な応用範囲がありディープラーニングを核とした新しい人工知能システムの重要な起点になり日本における人工知能の研究および実応用を加速させる社会的な意義をもつ。
|
