著者
本武 陽一 池上 高志
出版者
一般社団法人 人工知能学会
雑誌
人工知能学会全国大会論文集 第29回全国大会(2015)
巻号頁・発行日
pp.2C3OS06b4i, 2015 (Released:2018-07-30)

DNNの内部に、学習データの性質に応じた階層的構造が組織化されることが示唆されている。本研究では、この構造を議論するため、与えられた画像毎に階層間のヤコビアン行列を計算し、その特異値分布を算出した。現在、教師ありで学習された畳み込みネットにて、情報の抽象化を示す急勾配な特異値分布が観察されている。発表では、この結果とRifaiらがCAEで検討した多様体仮説との関連や、他の解析結果を議論する。
著者
本武 陽一
出版者
人工知能学会
雑誌
2019年度 人工知能学会全国大会(第33回)
巻号頁・発行日
2019-04-08

近年発達を続けるDeep Neural Networks(以下,DNN)が,与えられたタスクを達成するために必要なデータセットの情報を,その分布を多様体としてモデル化することで抽出する機能を持つことが示唆されている.また,DNN技術の有用性の確認とともに,多数の研究者・技術者が各種のDNNアルゴリズムの開発やパラメータチューニングを行なっている.この状況は,各種データセットに対する多様体構造についての莫大な知見が蓄積されつつあることを意味する.本研究の目的は,その取り出された複雑な形状を持つ多様体構造を,解釈可能な形で抽出する手法を提案することである.具体的には,物理学においてネーターの定理として知られる,系の対称性と系の保存量を結びつける技術をヒントとして,多様体の座標変換に対する対称性とその意味づけを行う手法を提案する.提案手法を中心力ポテンシャルにしたがって運動する物体の時系列データに適用した結果,角運動量保存則に従う対称性を抽出可能なことが確認された.