Tensor SOM Network: Comprehensive analysis method for large-scale complex data

2020 Fiscal Year Final Research Report

• Project/Area Number: 18K11472
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Kyushu Institute of Technology
• Principal Investigator: Furukawa Tetsuo 九州工業大学, 大学院生命体工学研究科, 教授 (50219101)
• Project Period (FY): 2018-04-01 – 2021-03-31
• Keywords: 多様体モデリング / ビジュアルアナリティクス / 関係データ / 埋め込み / テンソルデータ

Outline of Final Research Achievements

The purpose of this research is to develop a general-purpose method for comprehensive visualization, analysis, and knowledge discovery of complex large-scale data. For this purpose, we addressed the following four points. (1) Development of methods for visualization and analysis of complex relational data. (2) Development of a method for visualization and analysis of complex relational data with a hierarchical structure. (3) To demonstrate the usefulness of the developed method by applying it to real data. (4) Theoretical research on generative manifold modeling, which is the element component of the development method. We have achieved the method as a network of generative manifold models. This can be regarded as a general-purpose methodology for visual analytics.

Free Research Field

機械学習

Academic Significance and Societal Importance of the Research Achievements

本研究では，解析者とシステムが視覚的インタフェースを介して双方向的に情報をやりとりすることを通して知識発見する，human-centeredな視覚的解析システム，すなわちビジュアルアナリティクス (VA) を実現した．とりわけ，多様体モデルネットワークという概念により，複合関係データに対する汎用的なVAシステムの構築法を提供できた．一方学術的な意義としては，マルチモード・マルチビュー・マルチレイヤーなデータの多様体モデリングの学習手法の開発を行った．とりわけ，階層的多様体モデリングは単純な尤度最大化等の原理では実現できないことを見出し，新たな研究への手がかりを得た．