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

物性物理学と神経科学の融合による確率的神経回路網モデルの再構築と画像認識への応用

凝聚态物理与神经科学相结合重建随机神经网络模型及其在图像识别中的应用

基本信息

批准号：
14J02948
负责人：
齋藤真樹
金额：
$ 1.22万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2014
资助国家：
日本
起止时间：
2014-04-25 至 2016-03-31
项目状态：
已结题

项目摘要

申請者は前年度の研究内容「(a)新潟大学医学部との共同研究で得られた猿の脳活動データを使って生体ニューラルネット(以下NN)の時間方向の挙動をとらえる」および「(b)物性物理学の方法論を用いて，NN全体のふるまいを確率的に捉えた新しいNNモデルを導出する」の結果を元に発案した手法を，コンピュータビジョン分野のトップ会議であるCVPRのポスターセッションで発表した．次に，申請者は研究内容「(c) 生体 NN に比肩する規模の人工 NN を構築する」および「(d) 人工NNを一般画像認識の問題に対して応用する」を実施するため，大規模なBMを百万枚規模の自然画像を用いて学習させることを試みた．学習を効率化することで得られたモデルが従来のNNと比較してどのような精度を達成しているのかを確かめるため，申請者はまずCNNを用いた学習の方法論を習得する必要があると考えた．そのため，申請者は東京大学大学院相澤・山崎研究室の後期博士課程3年(現在は卒業)の松井勇佑氏と共同研究を行い，その成果をメディア情報処理分野のトップ会議であるSIGGRAPH Asiaに発表した．これらの研究成果を用いて，本提案手法で学習した大規模なBMを従来のフィードフォワード型のNNと比較したところ，現時点においてはあまり良好な結果は得られていないものの，今後の研究如何では同等程度あるいはそれを上回る可能性も充分あると考えられる．また，この研究で得られた提案手法(高速かつ高精度にMRFを学習させるための方法論)は条件付き確率場を含む幅広いモデルに対して適用できる方法論である．そのため，今後は本提案手法をMRFの別の問題に対して応用することで新しい成果を挙げる方向性と，BMモデルを効率的に学習させるためのより洗練された方法論を提案することで本研究課題を推進する2つの方向性で，研究を実施する所存である．

The applicant reviewed the previous year's research content. "(a) the Department of Medicine of the University of Singapore has jointly studied and obtained the results of the joint research of the Department of Medicine of the University of Singapore. (the following NN) in the direction of time, the physical properties of physics methods are used. NN is responsible for the accuracy and accuracy of the information. The results show that there is a difference in the accuracy and accuracy of the NN. The results show that there is a difference between the two groups. The results show that there is a difference between the two groups in the case of the yuan case. The results show that there is a difference between the two groups in the case of CVPR. The content of the study "(c) the living NN is comparable to the size of the artificial NN. (d) the general portrait of the artificial NN is known." The large-scale model BM millions of models, the natural portrait, the natural portrait, the image, the picture, the model, the module, the module, the module Mr. Cheng, Ph.D. of Yamazaki Research Office, Graduate School of Peking University, received a 3-year Ph.D. from Yamasaki Yamasaki, Graduate School of Peking University, and Mr. Yoyou Matsui jointly studied the project. The results of the joint research program were reviewed. The results of the study were reviewed. The SIGGRAPH Asia table was reviewed. The results of the study were used. The method of this proposal is to use the large-scale model BM to compare the performance of the NN model, and the good results of the good results have been obtained. In the future, we will study how to make full use of the possibility of getting back to work to the same extent. In this study, we have obtained the method of proposal (high-speed, high-precision, low-speed, high-precision, high-precision, high-precision, The methodology of the BM research program is to promote the directionality of this study and to study the existing problems in the field of research.

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Efficient Learning of Markov Random Fields in Computer Vision

计算机视觉中马尔可夫随机场的高效学习

DOI：
发表时间：
2016
期刊：
影响因子：
0
作者：
Kakishima S;Morita S;Yoshida K;Ishida A;Hayashi S;Asami T;Ito H;Miller DG;Uehara T;Mori S;Hasegawa E;Matsuura K;Kasuya E;Yoshimura J.;Masaki Saito
通讯作者：
Masaki Saito

コンピュータビジョンにおけるマルコフ確率場の応用とその課題

马尔可夫随机场在计算机视觉中的应用及其挑战

DOI：
发表时间：
2015
期刊：
影响因子：
0
作者：
伊東啓;柿嶋聡;上原隆司;守田智;小山卓也;曽田貞滋;John R. Cooley;吉村仁;Masaki Saito
通讯作者：
Masaki Saito

Illustration2Vec

图解2Vec

DOI：
发表时间：
期刊：
影响因子：
0
作者：
通讯作者：

確率場の効率的な学習と深層学習への応用

随机场的高效学习及其在深度学习中的应用

DOI：
发表时间：
2016
期刊：
影响因子：
0
作者：
Hiromi Asanuma;Satoshi Kakishima;Hiromu Ito;Kazuya Kobayashi;Eisuke Hasegawa;Takahiro Asami;Kenji Matsuura;Derek A. Roff & Jin Yoshimura;Masaki Saito
通讯作者：
Masaki Saito

Transformation of Markov Random Fields for marginal distribution estimation