[Research Contents]
研究内容

![)[B(C2U@4HOR__(Y]LF82E2](https://brainlike.w3.kanazawa-u.ac.jp/wp-content/uploads/2021/03/BC2U@4HOR__YLF82E2.png)

![N_U96]91V720RDZ1A7A~}BX](https://brainlike.w3.kanazawa-u.ac.jp/wp-content/uploads/2021/03/N_U9691V720RDZ1A7ABX.png)

本研究室では、多値情報処理の立場と情報論的学習理論の立場から新しいモデルの構築と脳型情報処理のソフトウェアとハードウェアの融合を目的としています。
また、新しいモデルの学習能力により、未知の神経細胞樹状突起の構造(シナプスの種類や位置や樹状突起の形状など)をコンピュータ上で再現・予測しています。
当研究室の主要な研究テーマは以下の5つです。詳しく知りたい方はぜひ脳型情報処理研究室にいらしてください。

テーマ1:神経細胞(ニューロン)、樹状突起に関する研究
両眼視の物体方位検出における樹状突起の構造と役割
樹状突起ニューロンモデルに基づくバイオインスパイアド物体運動検出モデル

テーマ2:人工視覚システム(AVS)による高性能画像・映像認識
生物の視覚構造に基づく運動方向検出、方位検出、運動速度検出機構の構築
各種検出細胞のシナプス形状の予測
3次元への応用

テーマ3:深層学習を用いた分析
教師あり学習による糖尿病予測
教師なし、自己教師あり学習による病変の早期発見
Transformerを用いた糸球体画像による糖尿病分析
機械学習を用いた医療データ分析
機械学習のための医療画像の前処理
深層学習による腎臓組織画像分類の可視化分析
物体検出の精度向上に関する研究

テーマ4:transformerの改善、自然言語処理への応用
transformerの正規化手法の変更
Transformer model と Self-Attention algorithmの最適化
言語モデルの量子化に関する研究 / ELECTRAとALBERTを融合させたモデルの構築
Dmodel transformerの開発
言語モデルの量子化に関する研究 / ELECTRAとALBERTを融合させたモデルの構築

テーマ5:その他研究
自己教師あり学習における学習時間の短縮化、軽量化
ツイートの感情分析
手書き文字認識へのニューロンモデルの応用
短時間発声データでの話者識別への応用
時系列データ予測(外国人訪日人数予測、株価予測など)
クレジット信用判定
指紋・顔認識への応用
機械学習を用いた日本人における音声から顔生成に関する研究