2016 Fiscal Year Research-status Report
構造データに対する表現学習と特性の異なる2種類の実問題への応用
| Project/Area Number |
16K12490
|
|---|
| Research Institution | Kagoshima University |
|---|
Principal Investigator |
小野 智司 鹿児島大学, 理工学域工学系, 准教授 (90363605)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
細田 滋毅 国立研究開発法人海洋研究開発機構, 地球環境観測研究開発センター, グループリーダー代理 (60399582)
川崎 洋 鹿児島大学, 理工学域工学系, 教授 (80361393)
福井 健一 大阪大学, 産業科学研究所, 准教授 (80418772)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 表現学習 / 系列データ / 教師有り学習 / 訓練データ生成 / 海洋観測データ / 2次元コード |
|---|
| Outline of Annual Research Achievements |
本研究では，構造化されたデータを含む問題における表現学習方式，すなわち，素性（特徴）の自動設計方式を開発する． 本研究では，素性の設計が困難な実問題として，海洋観測データにおける品質管理ラベルの割り当て問題，および，歪んだ2次元コードの復号問題に着目する． これらの問題は系列ラベリング問題として表現できるものの，特異なパターンの検出が困難であることが共通する．それぞれにおいて素性の自動構築方式を開発した後，構造データを対象とした表現学習方式として一般化を図る． なお，上記2問題における応用は，表現学習の有効性を検証するためだけでなく，それぞれ実用レベルの技術を確立する．
本年度は，1次元時系列データを対象としてStacked LSTMを用いた表現学習方式の検討を行った． 特に，微小な特徴量に着目する必要がある変化点検知を対象として教師有り学習を行う方式を開発した． 通常の変化点検知は教師無し学習を行うが，本研究では，変化点検知のための教師付訓練データを生成する方法を考案し，教師有り学習を可能にした．
また，歪んだ2次元コードの復号においては，補助線を含まないコードを対象とし，2次元コードが歪んでしまった場合の復号方式について検討を行った． 当初はマルコフ確率場としてのモデル化を検討していたが，補助線を含まないために十分な接続関係を持つグラフ構造を構築することが困難でることが判明した．このため，隣接するモジュールのエッジ領域の関係を制約条件として与え，組合わせ最適化によって全エッジの位置情報を推定し，復号を行う方式を新たに提案した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究は，海洋観測データの品質管理，および，歪んだ2次元コードの復号の2つの実問題における実用的な表現学習方式をそれぞれ実現した後に，より一般的な構造データに対する表現学習方式として一般化を試みる．
H28年度は，2つの実問題のうち，海洋観測データ等の1次元系列データにおける表現学習方式の着想を得ることができた． 歪んだ2次元コードの復号に関しては，特徴量を得た後に行われる処理のモデル自体の見直しを行ったため，これに利用可能な表現学習方式を次年度に検討する．
以上のような状況であるため，概ね順調に推移していると考える．
|
| Strategy for Future Research Activity |
当初の計画通り，2種類の実問題における実用的な表現学習方式をそれぞれ実現した後に，より一般的な構造データに対する表現学習方式として一般化を試みる．海洋観測データの品質管理においては，考案した表現学習方式を実際の観測データに適用し，有効性を検証する． また，歪んだ2次元コードの復号においては，今年度新たに考案した組合わせ最適化に基づく復号方式で有効可能な表現学習方式を検討する．
|
