权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

予測誤差ニューロン仮説に基づく，少数データからのロボットのモデル学習手法

基于预测误差神经元假设的机器人模型小量学习方法

基本信息

批准号：
19J20669
负责人：
伊藤健史
金额：
$ 1.98万
依托单位：
Nara Institute of Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-25 至 2022-03-31
项目状态：
已结题

项目摘要

最終年度として、これまでに手掛けた研究内容について複数の発表を行った。1) まず、ロボットの正確な動力学モデルの学習を可能にするニューラルネットワーク設計手法とデータ収集手法の提案を行う研究については、英文原著論文としてまとめ、Neural Computation誌に投稿・受理された。この論文では、ロボットの運動方程式に基づいた構造のニューラルネットワークを用いることにより、小さなニューラルネットワークでも正確な動力学モデルを学習でき、高速なモデルベース制御に用いることができることを示した。2) 次に、多階層注意機構を取り入れたグラフニューラルネットワーク構造の提案を行う研究については、前年度末にNeural Networks誌に投稿済みであったが、3度にわたるmajor revisionの末、本年度後半に受理されるに至った。この論文では、グラフデータ構造の階層的な構成性に着目し、グラフニューラルネットワークの信号伝播の各段階における情報を保持することで、性能を向上させられることを示した。これら2本の論文が受理・公開されたことで、本研究課題の目標は十分に達成されたと評価することができる。すなわち、ニューラルネットワークの設計において、ドメイン知識を効果的に利用した構造を導入することで、少ないパラメータでも精度の良い予測が可能な学習器を構築できること、ひいては（パラメータ数が小さいことにより）学習データ数も小さく抑えられ、機械学習にかかるコストを低減できることが示された。さらに、上記の研究を遂行する過程で得られた知識・知見を活かして、医療現場で用いられる人工知能技術について取り扱った書籍の執筆でも中心的役割を果たした。

The final year of the study is the first year of the study, and the second year of the study is the first year of the study. 1)The correct dynamics of the paper can be found in the design method and the collection method of the paper. This paper is about the basic structure of the equation of motion of the particle, the structure of the particle. 2)Sub-level, multi-level attention to the organization to take into account the proposal of the structure of the study, the end of the previous year, the Neural Networks journal submission, the end of the third degree, the second half of the year to accept. This paper shows that the structural hierarchy of the system is composed of the following elements: The purpose of this research project is very much achieved. In the design of learning machines, the number of learning machines is small, and the number of machine learning machines is small. In the process of research, knowledge, knowledge,

项目成果

期刊论文数量（6）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

次世代医療AI

下一代医疗人工智能

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
計測自動制御学会;藤原幸一;久保孝富;山川俊貴;伊藤健史;中野高志;吉本潤一郎;松尾剛行;藤田卓仙;桐山瑶子
通讯作者：
桐山瑶子

Multi-Level Attention Pooling for Graph Neural Networks: Unifying Graph Representations with Multiple Localities

DOI：
10.1016/j.neunet.2021.11.001
发表时间：
2021-03
期刊：
Neural networks : the official journal of the International Neural Network Society
影响因子：
0
作者：
Takeshi D. Itoh;Takatomi Kubo;K. Ikeda
通讯作者：
Takeshi D. Itoh;Takatomi Kubo;K. Ikeda

Towards generation of visual attention map for source code

为源代码生成视觉注意力图

DOI：
发表时间：
2019
期刊：
影响因子：
0
作者：
Takeshi D. Itoh;Takatomi Kubo;Kiyoka Ikeda;Yuki Maruno;Yoshiharu Ikutani;Hideaki Hata;Kenichi Matsumoto;Kazushi Ikeda
通讯作者：
Kazushi Ikeda

次世代医療AI―生体信号を介した人とAIの融合―

下一代医疗人工智能 - 通过生物信号融合人类和人工智能 -