2019 Fiscal Year Research-status Report
Intelligent Sensor Data Analysis based on Cooperation of Knowledge Bases and Statistical Machine Learning
| Project/Area Number |
19K21550
|
|---|
| Allocation Type | Multi-year Fund |
|---|
| 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) |
2019-04-01 – 2021-03-31
|
| Keywords | 統計的機械学習 / 知識ベース / 事前知識 / 専門家知識 / センサデータ解析 / 異常検知 |
|---|
| Outline of Annual Research Achievements |
本研究では，統計的機械学習の事前知識として知識ベースなどさまざまな形で表されうる専門家知識を効率的に活用する方法を開発し，工学システム等から得られるセンサデータに対する機械学習を高度化することを目的としている．
本年度は，特徴量間の関係性として得られる事前知識を任意の確率的生成モデル学習の正則化のために活用する方法を開発した．この手法によって，例えば機器のシステム図（測定対象やセンサの物理的・論理的な接続関係に関する情報）が利用可能なとき，それを確率的生成モデルの表現力を適切に抑制するために用いることができる．これは特に，深層学習に基づく生成モデルなどの高い表現力をもつモデルの過学習を防止するために有用である．この成果は人工知能に関する査読付き国際会議の論文として採録が決定された．
また，センサデータなどの時系列を解析するための方法を高度化する研究を行い査読付き国際会議論文として発表した．具体的には，非線形力学系のデータに基づく解析でしばしば利用されるクープマン作用素のスペクトル分解の計算手法を，機械学習の文脈で開発されたカーネル学習の方法と組み合わせて性能を改善する方法を提案した．
さらに，センサデータに対する機械学習の重要な応用例である異常検知に着目し，異常検知の結果に説明を与えるための手法を開発し，査読付き国際ワークショップ等で発表し議論した．この手法は，異常検知結果に対する専門家の理解を助けるうえで有用であると考えられる．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
センサデータ等の背後にある専門家知識を確率的生成モデル学習で用いる汎用的な手法を開発することができた．また，機械学習によるセンサデータ解析の重要な応用例である異常検知について，その説明を与えて結果を明確化することに関する知見が深まった．
|
| Strategy for Future Research Activity |
開発した諸手法について，具体的な応用場面での活用を進めたい．そのためには，各応用場面において利用可能な事前知識を明確にする必要があり，各分野の研究者や現場との協働を探っていくことが必要になる．
|
| Causes of Carryover |
新型コロナウイルスの感染拡大の影響により，予定していた研究打合せの開催が次年度に延期されることとなったため．実施が可能になり次第，予定していた研究打合せ等を実施する．
|
