パラメータフリーの多次元時系列からの教師なしモチーフ発見方式と動作解析への応用

• Project/Area Number: 23K11119
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60080:Database-related
• Research Institution: Tokai University
• Principal Investigator: 今村 誠 東海大学, 情報通信学部, 教授 (30780291)
• Co-Investigator(Kenkyū-buntansha): 小山 孟志 東海大学, 体育学部, 講師 (90734830)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2023: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
• Keywords: データマイニング / 時系列解析 / 動作解析 / IoT / センサー

Outline of Research at the Start

本研究では，比較的実用化が進んでいる画像，自然言語，音声だけでなく，膨大で多様なセンサーデータに対する機械学習の適用拡大をねらって，教師データが不要で，前処理の手間を削減できる時系列データマイニングを研究対象とする。具体的には，機械学習の入力となる特徴量や構造を自動抽出するために，時系列中で反復出現する安定した定型パターン(時系列モチーフ)を発見する問題を扱う。時系列モチーフの発見は，データマイニングの重要テーマの一つであり，新規性は，人の関節の軌跡，昆虫の電気浸透グラフ，自動化工場での産業機器の電流など多様な多次元時系列に適用可能なパラメータフリーなモチーフ発見方式を確立する点にある。