Theory and Practice of Deep Learning Based on Fisher Information Matrix and MDL Principle
About this project
- Japan Grant Number
- JP23H05492
- Funding Program
- Grants-in-Aid for Scientific Research
- Funding organization
- Japan Society for the Promotion of Science
- Project/Area Number
- 23H05492
- Research Category
- Grant-in-Aid for Scientific Research (S)
- Allocation Type
-
- Single-year Grants
- Review Section / Research Field
-
- Broad Section J
- Research Institution
-
- Kyushu University
- Project Period (FY)
- 2023-04-12 〜 2028-03-31
- Project Status
- Granted
- Budget Amount*help
- 205,140,000 Yen (Direct Cost: 157,800,000 Yen Indirect Cost: 47,340,000 Yen)
Research Abstract
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．
Keywords
Details 詳細情報について
-
- CRID
- 1040858752032457344
-
- Text Lang
- ja
-
- Data Source
-
- KAKEN