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.

関連論文

もっと見る

関連研究データ

もっと見る

関連図書・雑誌

もっと見る

関連博士論文

もっと見る

関連プロジェクト

もっと見る

関連その他成果物

もっと見る

詳細情報 詳細情報について

ページトップへ