理工学研究科数理情報学データサイエンスプログラム博士後期課程1年の丁宇です。
私は、学習対象に応じて適応的にネットワークの性質を変化させられるニューラルネットワークの開発およびコンピュータビジョンへの応用について研究しています。
一般的にニューラルネットワークは多層パーセプトロ（MLP）を基盤としますが、MLPは、学習前に層数、ニューロン数、活性化関数の種類などを予め決める必要があり、適切な値を選択するにはユーザの経験および試行錯誤が必要不可欠です。また、タスクによって適切なネットワーク構造が大きく異なるため、同一のネットワークを汎用的に適用することが困難です。そこで、本研究の目的は、神経可塑性を備える基礎的なニューラルネットワークの開発を目指します。具体的に、構造と機能を適応的に変化させる能力を持たせ、より高い汎用性を実現します。MLPより、ハイパーパラメータを事前に調整する手間が減り、異なるタスクに応じてネットワーク構造の汎用性が向上できます。さらに、提案ネットワークをコンピュータビジョン分野のタスクへ応用し、実験でその有効性と汎用性を明らかにすることを目指します。