研究課題/領域番号 |
18H03290
|
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61030:知能情報学関連
|
研究機関 | 九州大学 |
研究代表者 |
鈴木 英之進 九州大学, システム情報科学研究院, 教授 (10251638)
|
研究分担者 |
安藤 晋 東京理科大学, 経営学部ビジネスエコノミクス学科, 准教授 (70401685)
|
研究期間 (年度) |
2018-04-01 – 2021-03-31
|
研究課題ステータス |
完了 (2020年度)
|
配分額 *注記 |
17,420千円 (直接経費: 13,400千円、間接経費: 4,020千円)
2020年度: 5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)
2019年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
2018年度: 7,280千円 (直接経費: 5,600千円、間接経費: 1,680千円)
|
キーワード | 異常・例外発見 / ストリームデータマイニング / 弱ラベル学習 / イメージキャプショニング / ファスト&スロー思考 / 単語埋め込み / パターンマイニング |
研究成果の概要 |
動的データに弱ラベル情報を付与して異常・例外性を発見する種々の問題で成果を挙げた.特に,高速に観測された画像系列データに対し,弱ラベルとして説明文を深層ニューラルネットワークに基づき付与し,異常な画像領域やその組み合わせを高速かつ正確に検知する手法を2種類提案し,自律移動ロボットを用いた実験などで有効性を示した.これらの手法は,訓練フェーズにおいて正常データを高速クラスタリングでモデリングし,テストフェーズにおいて正常データとは異なる異常データを検知する.最初の手法は国際会議でベストポスター賞を受賞した.2番目の手法は,ヒトが行うファスト&スロー思考を模擬し,より複雑な例外性も高速に検知する.
|
研究成果の学術的意義や社会的意義 |
訓練フェーズで正常データをモデリングし,テストフェーズで正常データとは異なる異常データを検知する1クラス異常検知問題は,その実用的価値の高さと学術的困難さから,データマイニングと機械学習における重要問題である.本研究成果はこの問題に対し,深層学習に基づいて自動特定した重要な画像領域群に自動付与された説明文を疑似教師信号の一種である弱ラベルとして有効活用する方式を初めて提案した手法であり,たとえば外見が大きく異なる2人が共に女性であるという手がかりを活かせる.この種の説明文はしばしば不正確であり,高速に観測される動的データには実時間処理が必須だが,いずれの問題も高いレベルで解決している.
|