| Project/Area Number |
24K15107
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61040:Soft computing-related
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
大北 剛 九州工業大学, 大学院情報工学研究院, 准教授 (20615520)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2026: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2024: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
|
|---|
| Keywords | 生成AI / センサ信号のデータ / LLM / 大規模基盤モデル |
|---|
| Outline of Research at the Start |
GPT-4やChatGPTなどは言語/画像データに基づく基盤モデルに限定される. 本提案はこれに続く基盤モデルとして,センサ信号のデータに基づく基盤モデルの構築, さらにこのセンサの基盤モデルを備えたマルチモダル基盤モデルの構築を提案する. この構築にはセンサ信号独自の困難さの克服を必要とする. センサ融合によるデータ結合技術, マルチモダル間の時系列データ技術などである. 完成すれば, 行動認識に対してラベルなしデータにより大幅な性能向上, 類似する後続タスク(リチウム蓄電池の残存容量予測, 屋内位置同定, メンタルステータス認識)での性能向上を期待し, 新たな種類のタスクも考案予定である.
|
