講演情報
[N-2-18]中間表現の層間解析に基づくCNNの迷路解法の検証
◎友井 稜真1、神野 健哉1、代 美月1 (1. 東京都市大学)
キーワード：
CNN、迷路解決、Dead-end filling
本研究は、9×9迷路を解くCNNがDead-end fillingアルゴリズムを内部的に模倣しているかを定量的に検証することを目的とする。予備研究において、各層の特徴をt-SNEで可視化した結果、層が深まるにつれて行き止まりが段階的に除去される様子が観察され、Dead-end fillingに類似した処理が示唆されていた。そこで本研究では、25層の全畳み込み型CNNを学習させ、各層におけるセルの特徴量を抽出した。そして、正解経路以外の通路セルを同アルゴリズムによる消去ステップ数（Pruning Depth）に基づいて分類し、各群の特徴重心を算出して、壁および正解経路の重心に対する相対距離の層間推移を解析した。 解析の結果、同アルゴリズムの反復処理で期待されるような「段階的な壁側への移行」は確認されず、仮説とは整合しなかった。代わりに、推移グラフにはPruning Depthの偶奇に応じた明確な帯状構造が現れた。これは、迷路生成におけるノード（恒常的セル）と接続セル（可変的セル）の構造的な役割の違いを反映していると考えられる。したがって、CNNは局所的な逐次処理を行うのではなく、迷路の構造差を反映しつつ全体を参照しながら、層の深化とともに大域的な経路スコアを形成している可能性が示唆された。