sparse sensing for control theory

• Project/Area Number: 19H02163
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 21040:Control and system engineering-related
• Research Institution: Hosei University
• Principal Investigator: Konishi Katsumi 法政大学, 情報科学部, 教授 (20339138)
• Co-Investigator(Kenkyū-buntansha): 澤田 賢治 電気通信大学, i－パワードエネルギー・システム研究センター, 准教授 (80550946)
• Project Period (FY): 2019-04-01 – 2023-03-31
• Project Status: Completed (Fiscal Year 2023)
• Budget Amount: ¥17,420,000 (Direct Cost: ¥13,400,000、Indirect Cost: ¥4,020,000); Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000); Fiscal Year 2021: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000); Fiscal Year 2020: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000); Fiscal Year 2019: ¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
• Keywords: スパースモデリング / 圧縮センシング / スパース最適化 / 制御系設計

Outline of Research at the Start

本研究では、計測および制御対象から僅かな情報量のセンシングデータしか取得できない場合でも、十分な情報量が得られた場合と同じ精度のセンシングデータの再構成を可能とするスパースセンシング手法を制御系設計手法に展開する。「どの程度の情報量のセンシングデータが得られれば、どの程度のモデリング性能および制御性能が達成可能か？」という学術的問いに答えるための数理基盤を確立し、これに基づくスパースセンシング制御の体系化を目的とする。具体的には、数理モデルを確率密度関数として与え、これに基づく再構成されたデータの確からしさを与える手法を導出し、これらの再構成データと数理モデルに基づく制御系設計手法を確立する。

Outline of Final Research Achievements

This work proposed a method for designing control systems using sparse data when only a small amount of informative sensing data can be obtained from the measurement and control target. Specifically, we derived a sparse sensing method, a predictive control method using the derived method, and a fast computation method when the observed data belong to a nonlinear low-dimensional subspace.

Academic Significance and Societal Importance of the Research Achievements

本研究により、入出力データの全てが既知でない場合、部分的に欠損がある場合、不等間隔サンプリングデータである場合でも、入出力データを修復し再構成することで、制御形設計が可能となった。線形システムだけでなく、非線形システムにも対応した。システム生物学分野や、医療応用分野では、不等間隔サンプリングデータしか得られないことが多い。本研究により、これらの分野における数学モデルの構築や制御手法の導出などが可能となり、社会的意義は大きい。

Research Products

• [Journal Article] An Acceleration Technique for Matrix Completion using Deep Unfolding (2023)
  • Author(s): Sasaki Ryohei、Naito Rin、Konishi Katsumi
  • Journal Title: Transactions of the Institute of Systems, Control and Information Engineers Volume: 36 Issue: 4 Pages: 106-112
  • DOI: 10.5687/iscie.36.106
  • ISSN: 1342-5668, 2185-811X
  • Year and Date: 2023-04-15
  • Peer Reviewed
• [Journal Article] Local low-rank approach to nonlinear matrix completion (2021)
  • Author(s): Sasaki Ryohei、Konishi Katsumi、Takahashi Tomohiro、Furukawa Toshihiro
  • Journal Title: EURASIP Journal on Advances in Signal Processing Volume: 2021 Issue: 1 Pages: 1-21
  • DOI: 10.1186/s13634-021-00717-7
  • Peer Reviewed / Open Access
• [Presentation] Adaptive Subspace Reconstruction Algorithm for Subspace Clustering (2024)
  • Author(s): Takuto Wada, Ryhohei Sasaki, Katsumi Konishi
  • Organizer: Proc. of 2024 RISP International Workshop on Nonlinear Circuits, Communications and Signal Processing
  • Int'l Joint Research
• [Presentation] Distributed Nuclear Norm Minimization Algorithm for Matrix Completion and Its Application to Signal Recovery of Piecewise Affine Models (2023)
  • Author(s): Katsumi Konishi, Ryhohei Sasaki
  • Organizer: Proc. of The 49th Annual Conference of the IEEE Industrial Electronics Society
  • Int'l Joint Research
• [Presentation] Distributed Nuclear Norm Minimization Algorithm for Low-Rank Matrix Completion and Its Application to Low-Rank Tensor Completion (2023)
  • Author(s): Katsumi Konishi, Ryhohei Sasaki
  • Organizer: Proc. of The 2023 IEEE Conference on Systems, Man, and Cybernetics
  • Int'l Joint Research
• [Presentation] K-Means Based Matrix Shrinkage Iterative Algorithm for Input and Output Signal Recovery (2023)
  • Author(s): Takuto Wada, Ryhohei Sasaki, Katsumi Konishi
  • Organizer: Proc. of the SICE Annual Conference
  • Int'l Joint Research
• [Presentation] 局所低ランク化に基づく行列補完の高速解法 (2021)
  • Author(s): 佐々木 亮平, 小西 克巳
  • Organizer: 第３６回信号処理シンポジウム
• [Presentation] 行列補完のためのニューラルネットワークによる局所低ランク近似 (2021)
  • Author(s): 郭 斌, 佐々木 亮平, 小西 克巳
  • Organizer: 第３６回信号処理シンポジウム
• [Presentation] Acceleration Technique for Multiple k-means Clustering based Locally Low-rank Approach to Nonlinear Matrix Completion (2021)
  • Author(s): Ryohei Sasaki, Katsumi Konishi
  • Organizer: European Signal Processing Conference
  • Int'l Joint Research
• [Presentation] 行列完成問題のための行列ランク最小化と最尤推定 (2020)
  • Author(s): 小西克巳
  • Organizer: 信号処理研究会
  • Invited