Loading article…
福島邦彦 | |
|---|---|
| 生まれる | 1936年3月16日日本 |
| 市民権 | 日本 |
| 母校 | 京都大学 |
| 知られている | 人工ニューラルネットワーク、ネオコグニトロン、畳み込みニューラルネットワークアーキテクチャ、教師なし学習、ディープラーニング、ReLU活性化関数 |
| 受賞歴 | 電子情報通信学会業績賞、優秀論文賞、IEEEニューラルネットワークパイオニア賞、APNNA優秀業績賞、JNNS優秀論文賞、INNSヘルムホルツ賞、バウアー賞、科学業績賞 |
| 科学者としてのキャリア | |
| フィールド | コンピュータサイエンス |
| 機関 | ファジーロジックシステム研究所 |
福島邦彦（ふくしまくにひこ、1936年3月16日生まれ）は、日本のコンピュータ科学者であり、人工ニューラルネットワークとディープラーニングに関する研究で最もよく知られています。現在は、日本の福岡にあるファジー論理システム研究所で上級研究員としてパートタイムで働いています。[1]
注目すべき科学的成果
1980年に福島はネオコグニトロン[ 2] [3]を発表しました。これは 元祖の深層畳み込みニューラルネットワーク（CNN）アーキテクチャです。[4] [5]福島は、入力データの内部表現を学習できるように深層ネオコグニトロンのパラメータをトレーニングするための教師あり学習アルゴリズムと教師なし学習アルゴリズムをいくつか提案しました。[3] [6]しかし今日では、CNNアーキテクチャは通常、バックプロパゲーションを通じてトレーニングされています。このアプローチは現在、コンピュータービジョンで多用されています。[5] [7]
1969年に福島は階層型ニューラルネットワークにおける視覚的特徴抽出の文脈でReLU （Rectifier Linear Unit）活性化関数を導入した。 [8] [9] [10]その後、この関数には強い生物学的動機と数学的正当性があると主張された。[11] [12] 2011年には、この関数により、2011年以前に広く使用されていた活性化関数、例えばロジスティックシグモイド（確率論に触発された、ロジスティック回帰を参照）やそのより実用的な[14]対応物である双曲正接と比較して、より深いネットワークのトレーニングが向上することが判明した。整流子は、2017年現在、ディープニューラルネットワーク[アップデート]で最も人気のある活性化関数である。[15]
教育とキャリア
福島氏は1958年に京都大学で電子工学の学士号を取得しました。[1] NHK放送技術研究所の主任研究員になりました。1989年に大阪大学に着任しました。[1] 1999年に電気通信大学に着任しました。2001年に東京工科大学に着任しました。2006年から2010年まで関西大学の客員教授を務めました。[1]
福島氏は日本神経回路学会（JNNS）の初代会長を務めた。また、国際神経回路学会（INNS）の理事会の創設メンバーであり、アジア太平洋神経回路学会（APNNA）の会長でもあった。[1] 1989年から1990年および1993年から2005年まで国際神経回路学会（INNS）の理事を務めた。[16]
受賞歴
2020年、福島氏はバウワー賞と科学業績賞を受賞した。[17]また、電子情報通信学会業績賞および優秀論文賞、IEEEニューラルネットワークパイオニア賞、APNNA優秀業績賞、JNNS優秀論文賞、INNSヘルムホルツ賞も受賞している。[1]
外部リンク
- ResearchMap プロフィール
参考文献
- ^ abcdef CIS Oral History Project (Don Wunsch) (2015). 「福島邦彦氏へのインタビュー」. IEEE TV . 2019年2月27日閲覧。
- ^福島、 ネオコグニトロン（1980）。「位置の変化に影響されないパターン認識メカニズムのための自己組織化ニューラルネットワークモデル」。バイオロジカルサイバネティクス。36 （4）：193–202。doi ： 10.1007/bf00344251。PMID 7370364。S2CID 206775608 。
- ^ ab 福島, K. (2007). 「ネオコグニトロン」. Scholarpedia . 2 (1): 1717. Bibcode :2007SchpJ...2.1717F. doi : 10.4249/scholarpedia.1717 .
- ^ Fogg, Andrew (2017). 「ディープラーニングの歴史」. import.io . 2019年2月27日閲覧。
- ^ ab Schmidhuber, Jürgen (2015). 「ディープラーニング」. Scholarpedia . 10 (11): 1527–54. CiteSeerX 10.1.1.76.1541 . doi :10.1162/neco.2006.18.7.1527. PMID 16764513. S2CID 2309950.
- ^ 福島邦彦 (2018). 「ビデオ: Deep CNN Neocognitron による人工視覚」. Youtube . 2019年3月25日閲覧。
- ^ LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). 「ディープラーニング」(PDF) . Nature . 521 (7553): 436–444. Bibcode :2015Natur.521..436L. doi :10.1038/nature14539. PMID 26017442. S2CID 3074096.
- ^ 福島, K. (1969). 「アナログ閾値要素の多層ネットワークによる視覚特徴抽出」. IEEE Transactions on Systems Science and Cybernetics . 5 (4): 322–333. doi :10.1109/TSSC.1969.300225.
- ^ 福島 功; 三宅 誠 (1982)。「ネオコグニトロン: 視覚パターン認識のメカニズムのための自己組織化ニューラル ネットワーク モデル」。ニューラル ネットにおける競争と協力。ニューラル ネットにおける競争と協力、生物数学の講義ノート。第 45 巻。シュプリンガー。pp. 267–285。doi :10.1007/978-3-642-46466-9_18。ISBN 978-3-540-11574-8。
- ^ Schmidhuber, Juergen (2022). 「現代AIとディープラーニングの注釈付き歴史」arXiv : 2212.11279 [cs.NE].
- ^ Hahnloser, R.; Sarpeshkar, R.; Mahowald, MA; Douglas, RJ; Seung, HS (2000). 「皮質にヒントを得たシリコン回路におけるデジタル選択とアナログ増幅の共存」. Nature . 405 (6789): 947–951. Bibcode :2000Natur.405..947H. doi :10.1038/35016072. PMID 10879535. S2CID 4399014.
- ^ Hahnloser, R.; Seung, HS (2001).対称閾値線形ネットワークにおける許可集合と禁止集合。NIPS 2001。
- ^ Xavier Glorot、Antoine Bordes、Yoshua Bengio (2011)。ディープスパース整流器ニューラルネットワーク(PDF) 。AISTATS。 2016年12月13日のオリジナル(PDF)からアーカイブ。 2023年8月18日閲覧。
整流器とソフトプラス活性化関数。2番目は最初のもののスムーズバージョンです。
- ^ Yann LeCun ; Leon Bottou ; Genevieve B. Orr; Klaus-Robert Müller (1998). 「Efficient BackProp」(PDF)。G. Orr、K. Müller (編) 。Neural Networks: Tricks of the Trade。Springer。
- ^ Ramachandran, Prajit; Barret, Zoph; Quoc, V. Le (2017年10月16日). 「活性化関数の探索」. arXiv : 1710.05941 [cs.NE].
- ^ INNS理事会アーカイブ
- ^ 「福島邦彦」フランクリン研究所2020年1月25日2020年1月27日閲覧。