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

学習アルゴリズムの高次元化とビッグデータへの応用

高维学习算法及其在大数据中的应用

基本信息

批准号：
16J11219
负责人：
畑龍介
金额：
$ 0.51万
依托单位：
University of Fukui
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2016
资助国家：
日本
起止时间：
2016-04-22 至 2018-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-16J11219/
关键词：
多元数クラス分類オートエンコーダ

项目摘要

今年度は、ビッグデータの効果的な解析手法の構築を目指し、従来の機械学習アルゴリズムの高次元化（多元数化）を行った。近年の情報化社会においては、従来のアプリケーションでは処理しきれない巨大で複雑なデータの堆積物、いわゆるビッグデータが溢れており、それに対する効果的な解析手法が求められている。また、機械学習の分野においては、従来の実数型ニューロンに複素数や四元数を適用した、多元数ニューロンが提案されており、従来法よりも優れた学習能力を持つことが示されてきた。我々はこれまでに、複素および四元数ニューロンを実数型ニューロ-ファジィ学習アルゴリズムに適用し、いくつかのベンチマークテストで良好な結果を得てきた。そこで今年度の研究では、未だ多元数化されていない学習アルゴリズムに対して多元数ニューロンを適用し、その利点を追求することを目的としてきた。今年度は、深層学習に用いられている学習則と多元数ニューロンとの組み合わせについて研究した。この研究では、まず深層学習の基となったオートエンコーダと呼ばれる学習則に対し多元数ニューロンを適用した、複素および四元数オートエンコーダを提案した。次に、手書き数字画像を用いた符号化／復号化問題に従来法および提案法を適用し、提案法はネットワーク内のパラメータ数が少なく、実行時間の点で従来法よりも優れていることを示した。そして、その実験結果を基に手書き数字画像のクラス分類を行った。この実験では、0～9の手書き数字を10個のクラスにどれくらいの精度で分類できるかを見た。実験の結果、提案法のほうが従来法よりも分類能力が高いことが分かった。また、よりクラス数の多い問題に対する分類能力を調べるために、151クラスのデータセットにも各手法を適用した。この実験においては、従来法はほとんどの画像を分類することができなかったが、提案法は約90％の画像を分類することができた。

This year, the construction of analytical methods for the analysis of results is directed to the development of high-dimensional (multidimensional) mechanical learning. In recent years, in the information society, there has been a need for new analytical methods to deal with the huge accumulation of complex data, the overflow of complex data, and the related effects. In addition, the division of mechanical learning is not only a problem, but also a problem of complex primes and quaternions. We have a good result in the application of the complex quaternion model. This year's study aims to improve the quality of learning and improve the quality of learning. This year, deep learning is used in the study of multidimensional numbers, and the combination of research. This study is based on the study of multidimensional and quaternionic learning. Second, the handwritten digital portrait is used in the middle of the symbolization/repetition problem. The method of proposal is applicable. The method of proposal is generated in the middle of the symbolization/repetition problem. The method of proposal is used in the middle of the symbolization/repetition problem. The method of proposal is used in the middle of the symbolization/repetition problem. The method of proposal is used in the middle of the symbolization/repetition problem. The method of proposal is used in the middle of the symbolization/repetition problem. The results of the survey are based on the classification of digital images. The number of characters in calligraphy is 0~9. The number of characters in calligraphy is 10. The precision of characters in calligraphy is 0 ~ 9. The result of the proposal is that the classification ability is high and the classification ability is high. All methods are applicable to the adjustment of classification ability for multiple problems in different categories. This is the first time I've ever seen a picture of a woman.