2015 Fiscal Year Annual Research Report
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
25120014
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
藤代 一成 慶應義塾大学, 理工学部, 教授 (00181347)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
渡辺 一帆 豊橋技術科学大学, 工学(系)研究科(研究院), 講師 (10506744)
高橋 成雄 会津大学, コンピュータ理工学部, 教授 (40292619)
|
|---|
| Project Period (FY) |
2013-06-28 – 2018-03-31
|
| Keywords | 可視化 / 機械学習 / トポロジー |
|---|
| Outline of Annual Research Achievements |
本年度からは，元の3課題，すなわち【課題1】最適商写像選択課程の機械学習，【課題2】商写像表現変換のための潜在変数モデリング，【課題3】次元圧縮写像の視覚メタファとグリフ設計の各対合をとることにより，複合課題AからCまでを設定して研究を実施した．以下，複合課題ごとに成果の概要を示す．
【複合課題A (課題1と2の対合)：商写像推定の高可用性】混合von Mises-Fisherモデルにブロックモデルを導入することにより，非対称バイクラスタリング法に対する確率モデルを開発し，変分ベイズ推論アルゴリズムを導出した．これを，既開発の拡張平行座標系表示に適用し，最適な軸クラスタ数やデータサンプルクラスタ数の推定に活用し，その効果を実証した．
【複合課題B (課題2と3の対合)：視覚メタファ設計】非対称バイクラスタリングを用いた拡張平行座標系表示環境および多対多（一）拡張平行座標系表示環境を実装し，宇宙班との協同により，超新星分類問題に適用し，その視覚分析効果を実証した．また，多変数時系列データをアニメーションを用いずに幾何学的に可視化できるTimeTubes法の環境を実装し，同様に宇宙班との協同により，ブレーザ分類問題に適用し，その視覚分析効果を実証した．
【複合課題C (課題3と1の対合)：履歴学習】関節体制御，音楽演奏，群衆移動，スポーツゲーム等の相異なる問題に共通して現れる（時系列）多変量データとその特徴解析タスクを分析し，可視化出自管理環境VIDELICETが管理する多次元可視化技法候補の最適利用シナリオを推薦するための基本オントロジーを開発した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度から設定した複合課題にそって，研究はおおむね順調に進展している．課題の複合化により，新たな可視化技法の提案とその利用分析を有機的に結合させて研究を推進できているだけでなく，本新学術領域に属する他の計画研究との共同研究により，応用実証評価も実施できている．
|
| Strategy for Future Research Activity |
昨年度に引き続いて複合課題A～Cを設定し，以下のように研究を実施する．
【複合課題A】商写像変換の推定に用いられる学習モデルの複雑度自身をデータから推定する枠組みを構築し，商写像推定の可用性を高めるような拡張をさらに継続する．これには，ベイズ推論や無限混合モデルによる定式化の拡張及びモデル選択指標の開発を引き続き検討する．また各クラスタに属する確率を推定するような確率モデルを用いた拡張や特徴的なブロックの推定，時系列学習機構の導入などの拡張の可能性も引き続き検討する．
【複合課題B】視覚メタファを適切に設計することで，次元圧縮などに対応するデータの商写像表現を，データ分析の目的に応じて様々な可視化技法と連動させて構築していく．具体的には，昨年度と同様に，データ階層に基づく可視化，Bag-of-featuresを利用した次元削減，平行座標系表示の多対多（一）ビュー，時系列多次元データ向けのTimeTubes等における表現や対話的操作のさらなる拡張を検討する．また，可視化表現自身のスパース化を用いた簡単化・図式化についても議論していく．
【複合課題C】これまで開発してきた可視化出自管理環境VIDELICETが管理する多次元可視化技法の候補を，他の複合課題の進捗に合わせて拡大し，適用可能な対象データから抽出される特徴やメタデータに合わせて，最適利用シナリオを推薦できるようにする．このような高度可視化設計支援機能の実現に向けて，利用履歴の機械学習を中心に，引き続き検討や試験的追実装を行う．本新学術領域に属する実験・計測グループ（A01, A02）の各分野において利用可能にすることにより，可視化によるスパースモデリングの促進に実質的に貢献できるように配慮する．
|
Research Products
(26 results)
