| 研究課題/領域番号 |
26330292
|
|---|
| 研究機関 | 仙台高等専門学校 |
|---|
研究代表者 |
早川 吉弘 仙台高等専門学校, 情報システム工学科, 教授 (20250847)
|
|---|
| 研究期間 (年度) |
2014-04-01 – 2017-03-31
|
| キーワード | 全結合型 / 人工神経回路網 / IDL / DS-NET / GPGPU / 大規模 / 高速計算 |
|---|
| 研究実績の概要 |
大規模多層型神経回路網の計算が可能となったことで、DeepLearningのような応用上優れたブレークスルーが得られた。
本研究は、全結合型人工神経回路網においても応用上のブレークスルーを期待して、研究を進める上での制約から応用のターゲットは限定するが、全結合型神経回路網の巨大システム化に必要な技術開発を目的としている。その方法は、アクティブ人工神経回路網の組み合わせ最適化問題解法への応用上の様々なアプローチによって検討・検証することにある。
今年度は、モジュラーニューラルネットワークによる大規模システム化について、１）GPGPUを実際に実装するという現実的な課題への検討として、モジュラーニューラルネットワークを更にモジュラー化するマルチモジュラーニューラルネットワークについて、その構成する形状およびパラメータと正解到達率および収束時間(実計算時間に関係)の関係について、２）モジュラーニューラルネットワークで利点となる通信コスト削減について更に削減するために通信時間間隔への揺らぎ効果についての
２点について重点的に調査を行った。１）については二つの通信時間間隔Tcom1とTcom2に最適な領域の存在を確認することができた。２）については通信時間間隔に揺らぎを加えることが通信コスト削減につながることを確認できた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
今年度は、モジュラーニューラルネットワークについて焦点を絞りすぎ、アクティブ人工神経モデルの検討や、DS-NETについての検討ができなかったためである。
|
| 今後の研究の推進方策 |
最終的には、大規模全結合型神経回路網を高速に扱える手法の提案が重要であり、本申請研究ではニューロンモデル、ネットワーク形状、計算手法の３点を融合して検討する計画であったが、対象(手法)を絞り込んだ状態で効果を確認することとし、関係性が見えてから新たな対象を融合させて行くこととする。
|
| 次年度使用額が生じた理由 |
今年度予定していた外部発表分が残金となった。
|
| 次年度使用額の使用計画 |
外部発表で使う予定である。
|
