本研究では、深層ニューラルネットワークが暗黙的に生成する再生カーネルヒルベルト空間の階層(ニューラルヒルベルトラダー)を定義し、その理論的性質を明らかにする。これにより、深層ニューラルネットワークが表現できる関数空間の特徴を理解し、近似性能や汎化性能の理論的保証を得ることができる。
畳み込みニューラルネットワークの出力スコアを用いた帰属分析手法には、モデルの出力を変更せずに帰属分析の結果を大幅に変更できる脆弱性がある。
注意機構を外部メモリと直接接続するのは最適ではなく、入力信号をフィルタリングしてからメモリと通信することで大幅なパフォーマンス向上が可能である。