| Project/Area Number |
23K16889
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 60080:Database-related
|
|---|
| Research Institution | Yokohama National University (2024)
Osaka University (2023) |
|---|
Principal Investigator |
村山 太一 横浜国立大学, 大学院環境情報研究院, 助教 (40974861)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 時系列 / 埋め込み表現 |
|---|
| Outline of Research at the Start |
本研究では、IoTデバイス、Web上のオンライン活動等、様々なドメインから生成される多種多様な時系列ビッグデータストリームを汎用的な埋め込み表現を獲得し複数のタスクに対応できる新たなモデルおよびアルゴリズムの開発を目的とする。研究代表者らがこれまでに開発した時系列解析技術を発展させ、既存の深層学習に基づく技術では実現できなかった分類・回帰・異常値検出のタスクに対し同時に適用できる汎用アルゴリズムの開発を行う。
|
| Outline of Annual Research Achievements |
本研究では、工場センサー，IoT デバイス，Web 上のオンライン活動等，様々なドメインから生成される多種多様な時系列ビッグデータに対して，汎用的な埋め込み表現を獲得し複数のタスクに対応できる新たなモデルおよびアルゴリズムの開発を目的とする。研究代表者らがこれまでに開発した時系列解析技術を発展させ、既存の深層学習に基づく技術では実現できなかった高精度の予測や要因分析を可能とする革新的な解析技術を確立する。
本年度は、時系列ビッグデータストリームの複合モデリングに関する研究理論の開発を行い、KDD2024のトップ国際会議でに研究発表を行った。また、KDD2025, PAKDD2025において2件の論文採録が決定した。また、本年度は本研究に関し、本研究の要素技術の社会実装に向けた取り組みを行なった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は、時系列データに対し適切な埋め込みを学習し予測を行う手法を複数開発し、国外において研究発表を行った。 研究論文に関しては、データマイニングの分野のトップ国際会議であるACM SIGKDD2024で発表をするした。順調に研究が進展していると言える。
|
| Strategy for Future Research Activity |
本年度において開発した時系列モデリング技術は、適切な埋め込み表現を獲得することで高度な予測を実現することができた。今後は、さらに高度な時系列データとして，テンソルデータや数値データのみならずカテゴリカルな値を付与された時系列データ等のモデル表現についても検討し、より柔軟に埋め込み表現が獲得可能な時系列モデルの構築を目指す。
|
