2018 Fiscal Year Annual Research Report
Intelligent Sensor Data Analysis based on Cooperation of Knowledge Bases and Statistical Machine Learning
| Project/Area Number |
18H06487
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Institute of Physical and Chemical Research |
|---|
Principal Investigator |
武石 直也 国立研究開発法人理化学研究所, 革新知能統合研究センター, 特別研究員 (20824030)
|
|---|
| Project Period (FY) |
2018-08-24 – 2020-03-31
|
| Keywords | 統計的機械学習 / 知識ベース / ナレッジグラフ / 事前知識 / 専門家知識 / センサデータ解析 |
|---|
| Outline of Annual Research Achievements |
本研究の一義的な目的は，工学システムの運用にセンサデータを効率的に活用するために，知識ベースなどの形の専門家事前知識を統計的機械学習に活用する方法を開発することにある．
この目的にむけ，当該年度においては，不完全な知識グラフで表される事前知識を確率的生成モデルの事前分布として利用する方法を開発し，その成果を査読付き国際ワークショップや国内会議等において発表して有用なフィードバックを得た．ここで開発した手法を用いることで，特徴量間の関係性に関する事前知識が直接は明示されていない（かわりに間接的な関係を含む知識グラフとして表される）場合においても，それを確率的生成モデルの正則化等に利用可能であることを示した．ただし，本手法は適用可能な確率的生成モデルの種類が限られるという限界があり，それをうけて当該研究をさらに発展させた手法の開発にむけた準備を進めた．
また，センサデータの背後の支配方程式に関する部分的な知識をシステム同定のために活用する方法を開発し，その成果を査読付き国際会議論文として発表した．ここで開発した手法は，観測データの背後にある確率偏微分方程式で表される支配方程式を推定するためのもので，本研究では特にその支配方程式の一部について事前知識がある場合にそれを利用する方法を示し，また実際に性能が向上することを実験的に示した．応用場面ではしばしば観測対象の現象に関する物理的な事前知識が存在し，本手法はそのような場面で有用と考えられる．
さらに，センサデータなどの時系列を解析するとき，観測対象システムの動作モードが離散的に変化することが事前知識としてわかっている場合にそれを活用する方法を開発し，その成果を査読付き国際会議論文として発表した．具体的には，データによる力学系解析手法として知られる動的モード分解の確率的解釈に基づく拡張手法を提案し，その有用性を確認した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
さまざまな種類の事前知識を統計的機械学習に効率的に利用する方法について検討が進み，また実験的にも有用性を確認することができたため．
|
| Strategy for Future Research Activity |
これまでに開発した手法は統計的機械学習に事前知識を活用するために有用であるが，適用可能な機械学習モデルや事前知識の形式にはまだ限定的である．そのため，より一般の機械学習モデル・事前知識に関して適用可能な方法について研究を進めることが重要である．
|
