A01単機能の重ね合せにより新機能を創発するマルチファンクショナル深層学習ネットワーク

 本研究では，単一のCNN （Convolutional Neural Network, 畳み込みネットワーク）に複数のタスクのための機能を同時に学習させ，学習した独立の機能の組み合わせ・重ね合わせによって，事前に学習した個別の単一機能とは異なる，新しい機能を実現し，Neural Networkがより人間の脳に近い汎用的な能力を持っていることを実証することを目的とします．
 我々は画像のスタイル変換を効率的にモバイル実装するために，複数スタイル画像に基づく画像変換を同時学習するConditional Encoder-Decoderネットワークを考案しましたが，様々な実験を行ううちにCNNの線形性，局所性の性質から，このネットワークは学習時にはそれぞれのスタイルは独立に学習するにもかかわらず，スタイルの混合と，スタイルの局所的使い分けが可能である性質があることが分かりました．我々はこの知見に基づいて，補助信号とそれに応じた学習時の損失関数の切り替えによって，スタイル変換のみならず，スタイル変換と領域分割などのように１つのネットワークが複数の機能を同時に併せ持たせることを研究しており，本研究ではこの研究をさらに発展させることによって，CNNにおける単機能からの複数機能の創発の実現を目指した研究を実施します．