辞書を丸ごと学ぶ、超高速学習可能な

ニューラルネットワークアルゴリズム

Concept

筑波大学　森田昌彦教授は、人間の脳の構造を研究される中で、記憶を司る海馬の神経構造を模擬した機械学習アルゴリズム「選択的不感化ニューラルネットワーク（Selective Desensitization Neural Network: SDNN）」を開発しました。

この機械学習アルゴリズムは、３層しかないネットワークで構成されながらも、入力層で行う「選択的不感化」という独自の処理によって、非常に高速（LSTMの1000倍）な学習処理と高い汎化性を両立します。

高速学習と高い汎化性に加え以下の特徴を活かしたアプリケーションで貴社のお役に立てると考えます。

・計算コストが軽い：SDNNは、汎用のサーバーでも高速で動作し、GPUクラスタで動作する深層学習に劣らない予測精度を持ちます。ヘルスケアや工場の監視・自動車などIoT機器やモバイル端末上で、高精度な機会学習を可能とします。

・オンライン学習が可能：SDNNは、新しく追加されたデータで学習済みのモデルを逐次修正することができます。例えば、健康状態をモニタするウェアラブルデバイスで、ユーザーの特徴を日々追加学習すれば、その人にあった異常検知基準を学習します。

・原因と結果の「説明」が可能：従来のニューラルネットワークでは学習結果はブラックボックスとなり、原因と結果を結び付けて説明することが難しいです。SDNNは３層でできたネットワークで構成されるので、学習モデルを見ることで因果関係が分かり、原因と結果を「説明」できます。ヘルスケアや工業用途でなぜ異常を検知したのかを知ることができ、原因究明に役立ちます。