高次元信号復元のための構造化畳み込みネットワーク
【研究キーワード】
スパースモデリング / 信号復元 / 信号推定 / 辞書学習 / 畳み込み構造 / フィルタバンク / グラフ信号
【研究成果の概要】
本研究では,高次元信号復元の効率化と性能向上を目指し,高次元信号の生成モデルに有効な構造制約を明らかにすることを目的とした.新たな構造化辞書や構造化畳み込みネットワークを構築し,複素拡張,並列化,階層化,多層化,学習設計および復元アルゴリズムの効率化に取り組んだ.ボリュームデータ,複素画像データ,高次元時系列データなど多様な実データを対象として,提案する復元処理の有効性を評価した.
研究成果として,国内学会にて21件,国際会議にて16件の発表と学術論文3件の掲載を行った.
【研究の社会的意義】
本研究課題の基盤には,研究代表者・村松が研究課題「基盤研究(C) 多次元信号復元のための事例に基づく非分離冗長重複変換の設計と実現」(26420347, 2014~2016年度)で挙げた成果があった.
フィルタバンクの多層化,階層化,複素拡張,非線形拡張など未解決課題に取り組んだ結果,多様な高次元信号の有力な生成モデルが得られた.特に,最適化理論に基づき観測過程と生成過程を切り分けてネットワーク構造に反映した点など,既存の畳み込みネットワークにはない特徴を実現できた.国内学会や国際会議での発表,学術論文の掲載を通じて,本研究課題の成果が幅広い分野の発展に寄与できることを示せた.
【研究代表者】