Fusion of Deep Learning and Statistical Modeling for Image Transformation Methods for Natural Event Forecasting

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K11863
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61010:Perceptual information processing-related
• Research Institution: Wakayama University
• Principal Investigator: Hachiya Hirotaka 和歌山大学, システム工学部, 講師 (00578908)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 統計モデリング / 深層学習 / 点過程 / Transformer / イベント予報 / 時空間 / マルチストリーム / 機械学習

Outline of Final Research Achievements

In forecasting irregular events such as earthquakes, the hazard function, which represents the likelihood of the next event, has been designed manually based on human knowledge. Recently, in order to increase the degree of freedom of the hazard function, a deep neural network (DNN) based method, trained from historical data (Omi et al., 2019) was proposed. However, this method did not address spatial forecasting, such as event locations. Therefore, to achieve spatio-temporal forecasting, we proposed a deep multi-stream point process model, in which multiple DNNs model the hazard function decomposed based on conditional independence. The effectiveness of the proposed method was demonstrated through experiments using actual earthquake data.

Free Research Field

機械学習

Academic Significance and Societal Importance of the Research Achievements

本研究では、自然科学分野にて研究が進んでいる統計モデリングと、画像や自然言語分野にて目覚ましい発展を遂げているDNNを、分野横断的に融合した、新しいイベント予報のアプローチを提案した。また、統合に際し、画像や言語処理にて発展した、深層マルチストリームモデルやTransformerのアルゴリズムに、イベント予報に特化した独自性の高い拡張を導入した。そのため、本研究のアプローチは、イベント予報および機械学習アルゴリズムの両分野において独自性が高く、その成果は、機械学習の国際会議と英文雑誌に掲載される運びとなった。そのため、本研究の成果は、社会的および学術的に意義があると考えられる。