Development of Detection Methods for Dynamics in Large-Scale Data by Integrating Nonlinear Time Series Analysis and Machine Learning

• Project/Area Number: 24K15079
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: The Institute of Statistical Mathematics
• Principal Investigator: 三分一 史和 統計数理研究所, 学際統計数理研究系, 准教授 (30360647)
• Project Period (FY): 2024-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2027: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2026: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
• Keywords: 非線形解析 / 機械学習 / ニューロインフォマティクス / プラズマインフォマティクス

Outline of Research at the Start

本研究では、時系列解析と機械学習を融合し、複雑な非線形時系列データに対応するフレームワークを開発する。時系列解析の強みは、多変量自己回帰型モデルの推定により、線形・非線形応答や変量間の因果関係など、動態特性の検出が可能な点にある。機械学習は、大規模データの分類や変化点などの特徴抽出に優れている。しかし、これらの異なる方法の利点を活かす相互補完的で実用的な方法は開発されていない。本研究では、実問題としてのプラズマデータや神経イメージングデータの解析を通じて提案手法の有効性を実証する。研究成果は、データ駆動科学の進展に寄与し、多様な研究領域での応用が期待される。