2018 Fiscal Year Annual Research Report
Representative Learning for Structured Data and Its Application to Two Real World Problems with Different Characteristics
| 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 九州大学, システム情報科学研究院, 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 | 3次元畳込みニューラルネットワーク / 海洋観測データ / 2次元コード復号 / 幾何歪み / 変化点検知 / 表現学習 |
|---|
| 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した． 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．
平成28年度に提案した教師信号付き訓練データを合成する方法と，3次元畳込みニューラルネットワークを組み合わせることにより，周期性を持つ1次元の系列データにおける変化点を検知する方式の考案および実装を行った． 本方式は正常データのみの組合せら変化点検知に必要な訓練データを合成するものであり，極めて単純な方法であることから，多様な分野のデータへの応用が期待できる．特に今年度は，ネットワーク全体の最終出力に影響する畳み込み層の出力の微小な変化をもとに，提案方式が着目する入力データの特徴を可視化を試み，提案方式が適切に入力パターンの特徴を捉えていることを確認した．
また，海洋観測データの品質管理において，素性の自動設計を行うことで専門技術者と同程度の品質で観測エラーの発見を行える方式を実現し，本研究計画の目標の1つを達成した．
さらに，歪んだ2次元コードの復号問題においては，入力画像において歪みの度合いが激しい領域を推定することが可能であることを示した． また，補助線を含まない一般的な2次元コードであっても，複雑に歪んだ際に復号を行える方式を実現し，本研究計画の目標の1つを達成した．
|
