| 研究課題/領域番号 |
26330282
|
|---|
| 研究機関 | 大阪府立大学 |
|---|
研究代表者 |
森 直樹 大阪府立大学, 工学(系)研究科(研究院), 准教授 (90295717)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2019-03-31
|
| キーワード | 進化型計算 / 遺伝的アルゴリズム / 遺伝的プログラミング / 機械学習 / 深層学習 / 適応度景観 |
|---|
| 研究実績の概要 |
これまで提案してきた進化型計算において重要な適応度景観推定手法に機械学習を導入した適応度景観推定型進化型計算(Fitness Landscape Learning Evolutionary Computation: FLLEC)を中心に引き続き研究を進めた．
実数値最適化問題に対する FLLEC として提案してきた Rank Space Estimation Model (RSE モデル) と CMA-ES を融合させた実数値型 FLLEC について，スケーリングの重要性を示し，探索性能を大きく向上させた．RSE モデルは解の優劣関係を SVM で学習するため，数値的な安定性から実数値ベクトルのスケーリングが効果的であったと考えられる．
また，機械学習手法として遺伝的プログラミングを応用するために多層個体群を有する遺伝的プログラミング(Genetic Programming with Multi-Layered Population Structure: MLPS-GP)を提案し，ブール代数に関するベンチマーク問題で世界的に見てもトップレベルの性能を示すことに成功した．具体的な実環境への応用例として，株式取引の戦略獲得に関して有効であることを示した．また Interactive EC (IEC) におけるユーザモデルの推定にも適応度景観推定手法を応用し，音楽の進化的獲得手法を提案した．また，近年注目されている深層学習と進化型計算を融合した進化型深層学習(Evolutionary Deep Learning: evoDL)を提案し，優れた深層畳み込みニューラルネットワークの構造獲得に成功し，人間の感性に基づくイラスト識別という最高難度の例題に適用した．今後は，進化型深層学習を中心に最先端の人工知能研究を進める予定である．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
今年度はスケーリングを導入した実数値型の FLLEC, 多層個体群を有する遺伝的プログラミング，進化型深層学習という機械学習を導入した適応度景観推定型進化型計算フレームワーク構築の上で必須となる手法について十分な検討ができた．特に進化型深層学習は今後の人工知能研究についてブレイクスルーとなる可能性を秘めた非常にポテンシャルが高い手法であり，今後の発展が期待できる．進化型計算のトップカンファレンスである IES 2016 で発表をし，学会で賞を獲得するなど国際的な活動も十分にできた．これらの成果の中で，本テーマを設定したときには予想できなかった驚異的な速度による深層学習の発展を受けて，進化型深層学習という本テーマを包括しながらより重要な課題について研究成果を示すことができた．深層学習を導入したという観点において当初の計画以上に研究が進展していると考える．
|
| 今後の研究の推進方策 |
今後の研究は，進化型計算と深層学習の融合について着眼して推進していく．これまでの FLLEC は SVM を用いていたが，ここに深層学習を取り入れる．また，MLPS-GP と深層学習の融合についても検討する．現在提案中の進化型深層学習をより発展させ，新しいネットワーク構造の発見を中心に国際的に評価される研究を進める．具体的には，近年注目されている深層畳み込みニューラルネットワークと，word2vec に代表される自然言語の分散表現手法に進化型計算を導入し，これまでにないフレームワークを構築する．2017開催予定の進化型計算におけるトップカンファレンスであるGECCOに論文が採択されているので，深層学習と進化型計算の最先端の状況について確認し，当該分野でブレイクスルーとなる成果を提案していく予定である．
|
| 次年度使用額が生じた理由 |
少額であったため次年度に繰り越すことにした．
|
| 次年度使用額の使用計画 |
少額であるため本年度の予算と合算して使用する．
|
