2015 Fiscal Year Annual Research Report
| Project/Area Number |
24300072
|
|---|
| Research Institution | Wakayama University |
|---|
Principal Investigator |
和田 俊和 和歌山大学, システム工学部, 教授 (00231035)
|
|---|
| Project Period (FY) |
2012-04-01 – 2016-03-31
|
| Keywords | パターン認識 / 異常予兆検出 / 非線形回帰 / ガウス過程回帰 / Dynamic Active Set / 時間多重解像度解析 |
|---|
| Outline of Annual Research Achievements |
患者や工業プラントなど危機的状況に陥る前に,これらに取り付けたセンサデータからその予兆を検出し,対象の延命を図る問題が異常の予兆検出であり，これはセンサデータの回帰によって推定される値と実測値の乖離を計る問題として扱うことができる.本研究では,非線形回帰の一手法であるGaussian Process Regression:GPRの計算負荷を軽減するために, 計算に用いる事例集合(Active Set)を入力に応じて動的に限定するDynamic Active Set:DASを提案した.DASの理論的基盤構築と具体的問題への適用が本研究の目的である.
26年度までの研究成果は以下の通りである.1)人工データに対する回帰計算で,精度を維持したまま,全事例を用いる場合 よりも約65倍の高速化が実現できた.2)GPRにより得られた推定値，分散，および実測値から「異常度」を定義した.この異常度による予兆検出は,従来法のSBMよりも高感度かつ安定であることを確認した.3)この異常度を様々な時間解像度で求めるSAGを提案した.4)ベクトル値の出力予測とその共分散行列推定法の提案と,異常度の定義の拡張を行った.5)推定した共分散行列の固有値が負になる問題を回避するため，各事例に対する重みを再計算する方式を考案し，異常検出問題に適用した．
27年度は，非負拘束の導入を再検討し，出力の推定精度を向上させた．これを，顔画像の回帰による認識に適用し，精度が向上することを確認した．また，DASの計算法を，Diverse Density:DDの共通度計算に適用する試みも行った．これは，事例との共通性が低いものが「異常」な入力であり，「異常度」と「共通度」は，ちょうど双対な関係にあるためである．画像検索のインデックス削減に，このDDの高速計算法を適用した結果,役500倍もの高速化が達成できることを示した．
|
| Research Progress Status |
27年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
27年度が最終年度であるため、記入しない。
|
| Causes of Carryover |
27年度が最終年度であるため、記入しない。
|
| Expenditure Plan for Carryover Budget |
27年度が最終年度であるため、記入しない。
|
