| 研究課題/領域番号 |
26280063
|
|---|
| 研究機関 | 同志社大学 |
|---|
研究代表者 |
片桐 滋 同志社大学, 理工学部, 教授 (40396114)
|
|---|
| 研究分担者 |
堀 貴明 日本電信電話株式会社NTTコミュニケーション科学基礎研究所, メディア情報研究部, 主任研究員 (20396211)
渡辺 秀行 独立行政法人情報通信研究機構, ユニバーサルコミュニケーション研究所, 主任研究員 (40395091)
中村 篤 名古屋市立大学大学院, システム自然科学研究科, 教授 (50396206)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2018-03-31
|
| キーワード | パターン認識 / 識別学習 |
|---|
| 研究実績の概要 |
本研究は，それぞれ独立に最適化がなされることが多い特徴抽出部と分類部とから成るパターン認識器の設計において，最小分類誤り（MCE）学習法に，最近のカーネル法とディープ・ニューラル・ネットワーク（DNN）に基づく特徴写像法を加えて，理想的な最小分類誤り確率状態の達成に一貫する形で認識器全体を最適設計する手法の確立を目指すものである．以下にサブテーマ毎に進捗を要約する．
（１）可変長パターンのための幾何マージンの導出および大幾何マージン最小分類誤り（LGM-MCE）学習法の開発：当初の計画に沿って，入力パターン長をパターン空間の次元とし，さらに動的計画法によって得られる最小累積（ローカル）距離をパターン間距離とすることで，近似的な幾何マージンを導出し，それを用いた可変長パターンのためのLGM-MCE学習法の定式化と動作確認を行った．規模は小さいながらも，実験を通して，従来法に対する本手法の有効性を示すことができた．
（２）MCE基準に基づくDNNを用いる識別的特徴抽出法の開発：DNNにモジュール構造を導入する新しい適応学習法を開発することで，高い適応能力を持つ特徴抽出器の実現に成功した．成果は，日本音響学会から発表表彰を得るなど，内外の学会発表において高い評価を得るに至っている．
（３）超多クラス分類課題のためのMCE学習を利用した高効率解探索法の開発：MCEと近縁の最小リスク学習を用い，DNN特徴抽出器の後段にある隠れマルコフモデル（HMM）分類器の構造最適化法を開発した．また，リカレントニューラルネットワーク型言語モデルを用いて高い精度で解候補を統合するデコーディング法の開発にも成功した．
（４）識別学習のためのモデルサイズ最適化法の開発：幾何マージンを用いて認識器モデルサイズの最適化を行う着想を得，その基礎となる，幾何マージンのふるまいに関する実験データの分析を進めた．
|
| 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
可変長パターンのための数理的に完成度の高い幾何マージンを得るには至っていないものの，動的時間軸伸縮に基づく可変長パターンのための幾何マージンの定義と，それを用いたLGM-MCE学習法およびカーネルMCE学習法の定式化を行うに至った．
また，DNNにモジュール構造を導入した適応学習法に関しては，当該分野において国際的に最高水準にある国際会議（ICASSP）で成果を発表するに至り，かつDNN内部の特徴表現のあり様を調査した研究に関しては，日本音響学会で学生優秀発表賞を受賞することができた．
超多クラス分類のための高効率解探索法に関しても，最小リスク学習やリカレントニューラルネット型言語モデルを用いた手法の開発に成功し，ほぼ計画通りの進捗があった．
さらに，申請時には具体化をしていなかったものではあるが，本研究の進展に重要な基盤となる幾何マージンを用いた認識器モデルパラメータサイズの最適化（未知標本を高めるパラメータサイズの発見）手法の着想を得るに至った．まだ初期段階にあるが，今期，この着想の基礎を固めるために，幾何マージンのふるまいを様々な実験結果の分析を通して行い，ほぼ期待通りに幾何マージンが動作することの確認を行った．
以上のように，計画の各項目において，かつそこから発展し，本研究の進展を一層強く支えることが期待できる研究項目に着手するなど，おおむね計画通りの進展があったものと考えている．
|
| 今後の研究の推進方策 |
可変長パターンのための幾何マージンやカーネル法に関する研究では，当初の計画に沿って引き続き研究を進める予定である．特に今後は，これまでに定形化を行ったLGM-MCE法やカーネルMCE法の実験的評価とその結果の分析に注力したい．
一方，注目を集める成果となっているDNNの研究を特に強化促進するため，当該分野に造詣の深い研究分担者を新たに迎えることとした．この新しい体制によって，超多クラス分類課題のためのサブテーマとDNN特徴抽出器に関するサブテーマとの統合を進め，かつDNNのモジュール化に関するより効果的な手法の開発や，特徴抽出と分類とを統合するDNNの利用法などの研究を加速する予定である．
|
| 次年度使用額が生じた理由 |
H26年度は，それぞれのサブテーマにおいて，問題や手法の定形化がほぼ当初の計画通りに進展し，加えて幾何マージンを用いるモデルサイズ最適化法のサブテーマに発展するなど，特に研究の理論的側面において順調に進捗した．しかし，その一方で，定形化結果の検証に必要となる高度なソフトウェアの開発に手間取り，サブテーマによっては実験の規模拡大に多少の遅れが生じてしまった．その結果として，評価試験用PCサーバの導入が遅れるなどしたためである．
|
| 次年度使用額の使用計画 |
次年度使用額が生じた理由でふれた，規模の大きな評価実験の実施を加速するため，H27年度請求分の研究費と合わせて，評価試験用PCサーバおよび評価試験用ブレードサーバ等の購入に充当する．
|
