WEKO3
アイテム
深層学習・機械学習・量子インスパイアアルゴリズムを用いた 脳情報の解読
https://repo.qst.go.jp/records/2007370
https://repo.qst.go.jp/records/2007370f79b4f97-ef86-420d-9cd2-26db03f8b5fd
| アイテムタイプ | 会議発表用資料 / Presentation(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2022-11-30 | |||||||
| タイトル | ||||||||
| タイトル | 深層学習・機械学習・量子インスパイアアルゴリズムを用いた 脳情報の解読 | |||||||
| 言語 | ja | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_c94f | |||||||
| 資源タイプ | conference presentation | |||||||
| 著者 |
間島 慶
× 間島 慶
|
|||||||
| 抄録 | ||||||||
| 内容記述 | 脳の信号から被験者の知覚・記憶内容・運動意図などを読み出すことが機械学習・深層学習の利用により可能になりつつある。例えば、機能的磁気共鳴画像法（functional magnetic resonance imaging, fMRI）により計測された脳信号から、被験者の見ている画像を復元することができる（図1；Shen et al., PLOS Computational Biology, 2019）。機械学習を用いて脳情報の解読を行う際は通常、データが多数の点から計測されるため高次元であり、かつ、訓練データとして使えるデータの量が少数であるため、機械学習の問題として工夫の余地が多分にあり、とても面白い対象となっている。 本講演では、その改善に量子計算に由来する計算技法を用いる試みを紹介する。講演前半では、既存の脳情報解読研究を紹介しつつ、その要素技術についての説明を行う。後半では、脳情報解読に用いられる機械学習法を大規模化・高精度化していくにあたり、計算の効率化や組み合わせ最適化問題の求解が必要になる場面を紹介する。最後に、量子計算に由来する計算テクニック（量子インスパイアアルゴリズム）によってそれを解決する試みを紹介する（Koide-Majima & Majima, Neural Networks, 2021）。これらを通じ、量子インスパイアアルゴリズムを他分野の実問題解決のために活用していく可能性について議論したい。 | |||||||
| 会議概要（会議名, 開催地, 会期, 主催者等） | ||||||||
| 内容記述 | CBI学会講演会 | |||||||
| 発表年月日 | ||||||||
| 日付 | 2022-09-02 | |||||||
| 関連サイト | ||||||||
| 識別子タイプ | URI | |||||||
| 関連識別子 | https://cbi-society.org/home/documents/seminar/2021to24/20220902.html | |||||||
