| 研究課題/領域番号 |
18H01461
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分21040:制御およびシステム工学関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
加嶋 健司 京都大学, 情報学研究科, 准教授 (60401551)
|
|---|
| 研究分担者 |
辻野 博文 大阪大学, 薬学研究科, 助教 (10707144)
山下 沢 武庫川女子大学, 薬学部, 准教授 (70398246)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
15,470千円 (直接経費: 11,900千円、間接経費: 3,570千円)
2021年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2020年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2019年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2018年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
|
|---|
| キーワード | 制御工学 / 機械学習 / 情報通信工学 / 薬学 / 確率統計 / 確率 |
|---|
| 研究成果の概要 |
大量のデータと機械学習的手法を活用する制御システムは、非線形性や環境の変化への柔軟な対応力などが期待される一方で、これまで数理モデルを用いて担保されてきた理論的性能保証の欠如から、産業応用の際には漠然とした不安が拭えない。本研究では、研究代表者が提唱するデータ駆動型モデル低次元化理論に基づいて確率制御理論的解釈を与えることで、機械学習援用手法を非ブラックボックス化するための理論結果を導出した。（本課題は１年短縮終了し、基盤研究(A)21H04875にて継続実施）
|
| 研究成果の学術的意義や社会的意義 |
学術的には、機械学習的手法により抽出した特徴量を状態変数とする低次元モデル構築や、差分プライバシー解析、深層強化学習にもとづく自己駆動型制御システム設計、軌道の位相的性質を活用する動的システム学習とモデル予測制御への応用など、統計的学習理論とシステム制御理論の融合を推進した。社会的には、工学応用期に移行しつつある機械学習技術の信頼性向上及び実応用検証による有効性の確認をおこなった。
|
