Discovery Sagaサイレントキーワード俯瞰

本年度においては，エクストリーム信号処理のための理論的検討の核となる，以下の3点に関する研究を行った．
1) 深層展開によるグラフ上データの復元：深層展開（deep algorithm unrolling; DAU）は，（凸）最適化の繰り返し処理アルゴリズムのパラメータを誤差逆伝播法などの深層学習技術を用いて学習データから調整する手法の一群である．本年度では，深層展開をグラフ上データ復元のために利用可能とした．数値シミュレーションにおいて，従来の数理モデル手法および深層学習手法と比較し，高性能な復元性能を示すことを確認した．
2) 特徴空間での幾何的な構造を考慮したグラフニューラルネットワーク：グラフニューラルネットワークは，深層学習技術をネットワーク上データに適用した手法であり，機械学習分野で注目を集めている．一方で，画像認識分野で畳込みニューラルネットワークが示したような劇的な性能向上を果たすには至っていない．本年度においては，グラフニューラルネットワークの各層において特徴量がなす「構造」（特徴量間の角度等）を考慮に入れた手法を提案した．点群の分類や被引用ネットワークの分類で優れた性能を示すことを確認した．
3) 多重解像度グラフ学習：ネットワーク上のデータを解析するためには，まずネットワークが必要である．一方で，潜在的なネットワークがあることは期待されるものの，陽に与えられていない状況が存在する．例えばセンサネットワークや環境データなどが代表的である．このために必要な技術が，データからネットワークを学習するグラフ学習である．典型的にはネットワークは時間的に変動する．しかしながら，どの時間的タイミングで変化するかは必ずしも明確ではない．本年度は，時間的に多重解像度を許容するグラフ学習手法を提案した．気温データ等で季節的なネットワークが学習できることを確認した．

【研究分担者】
田中聡久	東京農工大学	工学(系)研究科(研究院)	教授	(Kakenデータベース)
石田寛	東京農工大学	工学(系)研究科(研究院)	教授	(Kakenデータベース)
小野峻佑	東京工業大学	情報理工学院	准教授	(Kakenデータベース)