Fisher情報行列と記述長最小原理に基づく深層学習の理論と実践
研究課題情報
- 体系的番号
- JP23H05492
- 助成事業
- 科学研究費助成事業
- 資金配分機関情報
- 日本学術振興会(JSPS)
- 研究課題/領域番号
- 23H05492
- 研究種目
- 基盤研究(S)
- 配分区分
-
- 補助金
- 審査区分/研究分野
-
- 大区分J
- 研究機関
-
- 九州大学
- 研究期間 (年度)
- 2023-04-12 〜 2028-03-31
- 研究課題ステータス
- 交付
- 配分額*注記
- 205,140,000 円 (直接経費: 157,800,000 円 間接経費: 47,340,000 円)
研究概要
ニューラルネットのFisher情報行列の性質を手掛かりに深層学習の理論基盤についての研究及び実応用の研究を実施する． 2023年度には2層ニューラルネットの汎化誤差の理論を示す．次に，その結果とFisher情報行列がブロック対角に漸近することを足掛かりに，多層のニューラルネットの汎化誤差解析に取り組む．これは2025年度までの解決を目標とする主要な課題である．これに加え，Fisher情報行列の近似固有値分解に基づいて，勾配法の高速化，自然勾配法の考察，二重降下現象の考察を行う．並行して，理論成果に基づいてMRIの画像再構成アルゴリズムなどの深層学習の実応用に取り組む．