ソフトウェアエージェントによるによる社会シミュレーション
複雑な社会の動きの完璧な予測や、瞬間的な社会の状態の正確な把握は、AIを用いても極めて困難である。一方で、生物や人間など多くのシステムは、動的かつ予測不能な局面において極めて柔軟に対処している。 本研究では、様々な生物や物体を模擬したソフトウェア（エージェント）を作成し、エージェントの自律行動や相互作用によって、社会に実在する問題や、現実では実現しにくい社会環境での生物の振る舞いなどを検証する。
深層学習においてドロップアウトと呼ばれる手法が用いられている. これは多層型 ニューラルネットワークにおいて, その層ごとに一定の確率でノードを無効にして学習 を行う手法である. 訓練データに過度に適応した学習をしてしまう過学習と呼ばれる 現象に対して有用であるとされ広く使用されている. ドロップアウトを用いたとき, 各 ノードの使用頻度のばらつきは小さくなるが, 層間の辺の使用頻度のばらつきは大きく なる. 本研究では, ドロップアウト法において辺の使用頻度を一定にするような組合せデザイン (dropout design) を定義し, 関連する組合せ構造についてまとめ, その構成法について提案する.
研究背景
研究内容
Dropout designの定義
Dropout designの例
直交配列を用いた構成法
アフィン空間を用いた構成法
射影空間を用いた構成法
まとめと今後の課題
参考文献
[1] N. Srivastava, G. Hinton, A. Krizhevsky, I. Sutskever and R. Salakhutdinov (2014), Dropout: A simple way to prevent neural networks from overfitting. Journal of Machine Learning Research, 15:1929–1958.
発表論文
[2] S. Chisaki, R. Fuji‐Hara, N. Miyamoto (2020), Combinatorial designs for deep learning. Journal of Combinatorial Designs, 28(9) : 633– 657. https://doi.org/10.1002/jcd.21720
研究シーズ・教員に対しての問合せや相談事項はこちら
技術相談申込フォーム