| 研究課題/領域番号 |
18K13953
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分25010:社会システム工学関連
|
|---|
| 研究機関 | 東洋大学 (2019-2021)
早稲田大学 (2018) |
|---|
研究代表者 |
大久保 豪人 東洋大学, 経営学部, 講師 (40777976)
|
|---|
| 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 |
3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 異常検出 / ロバスト統計 / スパース・モデリング / タグチメソッド / MTシステム / 高次元主成分分析 / 統計的パターン認識 / ガウシアン・グラフィカル・モデリング / マハラノビス・タグチ・システム / 条件付き異常検出 / ガンマ・ダイバージェンス / ベキ密度ダイバージェンス / スパースモデリング |
|---|
| 研究成果の概要 |
センサー・データを対象とした異常検出問題を考える．センサー・データは人の手を介さずリアルタイムに自動で取得・蓄積されるため，学習データに大量の異常データが混入している可能性がある．そのような状況下では，従来の統計的モデリング法を適用しても適切な分析ができるとは限らず，異常検出の性能が著しく低下してしまう危険性がある．そこで，混入した異常データの影響を受けることなく統計モデルを推定できるロバスト・スパース・モデリングを応用した統計的異常検出法の開発に向けた理論研究を行う．
|
| 研究成果の学術的意義や社会的意義 |
統計的異常検出法は製造業における設備機器の状態監視保全の中核をなす技術であるだけでなく，様々な製品・サービスに応用され，安心・安全な社会システムの構築に重要な役割を担っている．本研究の成果である統計的異常検出法は，特にセンサーから自動で取得・蓄積されたデータを対象とした場合の異常検出性能を飛躍的に向上させるとともに，その原因の特定に有益な情報を同時に提供するものである．この研究成果により，統計的異常検出法の応用可能性が広がり，設備機器の故障予測や重篤な事故の未然防止等の様々な社会問題の解決につながることが期待される．
|
