Publicly Offered Research
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
本研究は，データを説明する特徴量が類似したもの毎に分類する機械学習やそれを発展させた深層学習を，物理現象における観測波形のパラメータ推定に適用し，波形を特徴付けるパラメータの抽出に適した特徴量空間抽出方法ー信号変換方式の組み合わせを見出すことにより，クラス分類に対応したパラメータ推定手法の開発を行う．
今年度は，さらに精度を上げるための工夫として，信号検出の前処理の工夫の他，最近取り入れられているカリキュラム学習を取り入れた信号検出精度・損失関数の工夫・一斉/個別パラメータ推定の方法を検討した．特に，低SNRにおけるパラメータ推定精度を上げる工夫を行った．その内訳として，従来の窓関数に対する工夫の他，時間長に関してスケールした入力データの準備を行い，信号雑音比と波形パラメータ(中心周波数・振動数変化率・中心時刻・時間幅)を深層学習モデル（VGG16）＋信号雑音比に基づくカリキュラム学習によるパラメータ推定の精度改善に努めた．その結果，パラメータの一斉推定では，すべてのSNRに対して堅牢な結果であったが，若干推定精度が落ちること，個別推定では，低SNRでは高精度でのパラメータ推定は可能だが高SNRでは逆に推定精度が劣化することを見出した．これらのことを総括すると，どのような信号に対してパラメータ推定を行うか，によって推定組み合わせを変える必要があることが示唆される．本テーマでは，異なる検出器間で検出される重力波に対するパラメータ推定を対象としたが，今回のパラメータ推定の仕組みとしては信号変換をかませたものが対象であるため，他の信号源であったとしても同様の傾向がみられると考えられる．
令和3年度が最終年度であるため、記入しない。
All 2023 2022 2021
All Presentation (8 results) (of which Int'l Joint Research: 2 results)
