Publicly Offered Research
Grant-in-Aid for Transformative Research Areas (A)
魚や鳥などの群れが形成する自己駆動粒子集団は、その集団としての形を時々刻々と変えながら機能します。この自己駆動粒子集団の形態変化を捉える有効なアプローチとして計算トポロジーを用いて解析する方法が知られていますが、動画像データからトポロジカルな特徴を定義通りに抽出しようとすると多大なコストがかかります。そこで、本研究ではヒトが持つ高度な視覚情報処理に基づく計算モデルを参考にして、動画像からトポロジカルな特徴量を効率的に求めるニューラルネットワークを構築し、多変量時系列解析にも応用できるよう位相的データ解析を拡張します。さらに、集団運動の崩壊を予兆する早期警戒シグナルを構成する方法を提案します。