Tetsuya Hoya 研究室

本研究室では、パターン認識の問題を効率的に解く神経回路網モデルの開発に取り組んでいます。具体的には、確率的手法に基づいた小規模な神経回路網を対象として、新しいデータが次々と追加される状況下でも学習・再学習が可能な仕組みを構築することを目指しています。従来の複雑なパラメータ調整を必要とするアプローチとは異なり、シンプルなデータ駆動型のアルゴリズムにより、ネットワークの構造を自動的に構築・変更することで、この課題に対応しています。 主要な技術的工夫として、ネットワークのサイズ削減に取り組んでいます。従来の手法では学習データが多いほどネットワークが大きく膨らみやすいという課題がありました。本研究室では、クラスタリング技術などを組み合わせることで、必要最小限の数の計算ユニットで効果的な分類を実現する方法を開発しています。 これらの研究成果は、複数の公開データセットを用いた実験により検証されており、医療診断やロボット認識など、新しいカテゴリーが段階的に増えるような実用的な応用場面での活用が期待されています。