| 研究課題/領域番号 |
19K20344
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
松原 崇 大阪大学, 基礎工学研究科, 准教授 (70756197)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 深層学習 / 不確実性 / 異常検知 / 解釈可能性 |
|---|
| 研究実績の概要 |
本研究の目的は，深層学習のもつ柔軟性と汎化性能を保ちつつ，以下の問題を解決することにある．(a1) 深層生成モデルの出力分布の解析により，異常データに対する不適当な汎化を検出し，「何を知らないかを知っている深層学習」を実現する．(a2)「何を知らないかを知っている深層学習」によって学習が不十分なデータを検出し，一般的な識別問題の学習の高速化や，信頼性や解釈性の向上を含む広い意味での高性能化を実現する．(b1) 構造化深層生成モデルを提案することで新しいデータグループの異常検知(zero-shot 異常検知) を実現する．(b2) 構造化深層生成モデルを一般化し，代表的な異常を検出しやすいモデル構造を
提案する．(c) 構造化深層生成モデルを用いたデータのモデル化をより一般的なモデル化手法として提案する．
(b1)について，2020年度に開発した手法をより一般化し，民間企業等から提供されたデータを用いて実証実験を行い，実際にzero-shot異常検知が可能であることを示した．その結果は原著論文が英文誌に採録された．(b2)について，ベースとしていくつか異なる深層生成モデルを用いて検証を行い，データや異常の特徴と手法ごとの相性を発見することができた．こちらの成果について，複数の国内発表を行った．(c)について，また本研究課題で開発した手法が，共通特徴の抽出や意味の抽象化という点で，強化学習においても有益であることが示され，国際会議ににて発表した．当初計画の目標が達成され原著論文として採録されたことから，進捗状況は順調である．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
本研究の２つの柱の片方であるサブテーマ(a1)(a2)が2020年度に達成できたが，2021年度はもう片方であるサブテーマ(b1)(b2)について，原著論文の採録という形で達成された．以上のことから，進捗状況は当初の計画以上に進展している．
|
| 今後の研究の推進方策 |
民間企業から提案された実データでの検証を経ているとは言え，いまだその汎用性については議論の余地があると予想される．2022年度は(a1)～(b2)のサブテーマについて，様々なデータと深層生成モデル手法の組み合わせについて検証する．また新たに設定した目標(c)について，本研究課題のコアとなるアイデアである，不必要な汎化の抑制や共通特徴の抽出によるfew-shot情報処理といった部分を，異常検知というタスクに捕われず進化させる．
|
| 次年度使用額が生じた理由 |
新型コロナウイルス感染症感染拡大の影響を受け，研究協力者との打ち合わせが想定通り行えず，旅費の支出が想定よりも少なくなった．また半導体価格の高騰により，実験設備（計算機サーバー）の価格が想定よりも高くなったため，購入を控えたことによる．旅費については，感染状況が落ち着き次第，落ち合わせを行う．また人件費については，データをまとめるための実験補助員を雇用予定である．
|
