• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

製造インフォマティクスに向けた機械学習技術の開発と鉄鋼製造における評価

研究課題

研究課題/領域番号 19H04176
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

西郷 浩人  九州大学, システム情報科学研究院, 准教授 (90586124)

研究分担者 齊藤 敬高  九州大学, 工学研究院, 准教授 (80432855)
研究期間 (年度) 2019-04-01 – 2023-03-31
研究課題ステータス 完了 (2022年度)
配分額 *注記
16,120千円 (直接経費: 12,400千円、間接経費: 3,720千円)
2022年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
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: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2019年度: 5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)
キーワード機械学習 / 異常検知 / 鉄鋼生産 / 外挿予測 / 転移学習 / ガウス過程 / 多相融体の粘度 / 深層学習 / 鉄鋼製造 / 疎性非線形モデル / 操業データ / 特徴選択 / 回帰 / ベイズ最適化 / CNN / 解釈可能性
研究開始時の研究の概要

本研究計画では次の3つのテーマに取り組む;【1】操業時の異常検知問題、【2】マルチタスク学習による 高温状態の粘度予測、【3】高コストな問題における実験計画。
このうち、【1】は代表者が単独で取り組むものであるが、【2】と【3】については、分担者が実験で得たデータを基に代表者の研究を進めるものである。このため、数ヶ月に1回程度、あるいは必要に応じてミーティングを行う予定である。

研究成果の概要

「高炉の異常検知問題」において、教師なし学習によるアプローチ(板倉(IBIS2022))と教師ある学習によるアプローチ(木崎 (IBIS2021))を開発した。CNNを用いた教師あり学習においては5分から15分前のデータの利用が精度の向上につながることを確認している。
「マルチタスク学習による高温状態の粘度予測」のための方法を開発した(Saigo et al., Scientific Reports, 2022)。ロバストな外挿予測が出来るだけでなく、室温実験データを高温実験に役立てる転移学習法も提案した。

研究成果の学術的意義や社会的意義

教師なし学習は人手により教師ラベル作成の労力を減らすことを可能とする。現実世界の多くのデータは教師ラベルがないか、もしくはそのラベル付けに多大なコストが必要な場合が多いため、現実社会での実装において重要なテーマである。
一方で、機械学習手法の多くは過去のデータから学習し、その評価を交差検証に頼っているため、ロバストな外挿予測問題への取り組みは学術的に重要である。本研究では流体力学という現実の問題への解決策を示したものであり、同種の問題に適用可能である。

報告書

(5件)
  • 2022 実績報告書   研究成果報告書 ( PDF )
  • 2021 実績報告書
  • 2020 実績報告書
  • 2019 実績報告書
  • 研究成果

    (24件)

すべて 2023 2022 2021 2020 2019 その他

すべて 国際共同研究 (4件) 雑誌論文 (8件) (うち国際共著 8件、 査読あり 8件、 オープンアクセス 5件) 学会発表 (12件) (うち国際学会 7件)

  • [国際共同研究] Michigan Technological University(米国)

    • 関連する報告書
      2022 実績報告書
  • [国際共同研究] Michigan Technological University(米国)

    • 関連する報告書
      2021 実績報告書
  • [国際共同研究] Michigan Technological University(米国)

    • 関連する報告書
      2020 実績報告書
  • [国際共同研究] Wichita State University/North Carolina A&T State University(米国)

    • 関連する報告書
      2019 実績報告書
  • [雑誌論文] pLMSNOSite: an ensemble-based approach for predicting protein S-nitrosylation sites by integrating supervised word embedding and embedding from pre-trained protein language model2023

    • 著者名/発表者名
      Pratyush, P., Pokharel, S., Saigo, H., KC.D.B.
    • 雑誌名

      BMC Bioinform.

      巻: 24(1) 号: 1

    • DOI

      10.1186/s12859-023-05164-9

    • 関連する報告書
      2022 実績報告書
    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] Einstein-Roscoe regression for the slag viscosity prediction problem in steelmaking2022

    • 著者名/発表者名
      Saigo, H., Bahadur, K.C.D, Saito, N.
    • 雑誌名

      Scientific Reports

      巻: 12 号: 1

    • DOI

      10.1038/s41598-022-10278-w

    • 関連する報告書
      2022 実績報告書
    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] Sparse nonnegative interaction models2021

    • 著者名/発表者名
      Takayanagi, M., Tabei, Y., Suzuki, E., Saigo, H
    • 雑誌名

      IEEE Access

      巻: 9 ページ: 109994-110005

    • DOI

      10.1109/access.2021.3099473

    • 関連する報告書
      2021 実績報告書
    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] Topic modeling for sequential documents based on hybrid inter-document topic dependency2021

    • 著者名/発表者名
      Li, W. and Saigo, H. and Tong, E. and Suzuki, E.
    • 雑誌名

      Journal of Intelligent Information Systems

      巻: 56(3) ページ: 453-458

    • 関連する報告書
      2021 実績報告書
    • 査読あり / 国際共著
  • [雑誌論文] DeepSuccinylSite: a deep learning based approach for protein succinylation site prediction2020

    • 著者名/発表者名
      Thapa, N., Chaudhari, M., McManus, S., Roy, K., Newman, R.H., Saigo, H., KC, D.B.
    • 雑誌名

      BMC Bioinformatics

      巻: 21(Suppl 3)

    • 関連する報告書
      2020 実績報告書
    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] DeepRMethylSite: a deep learning based approach for prediction of arginine methylation sites in proteins2020

    • 著者名/発表者名
      Chaudhari, M., Thapa, N., S., Roy, K., Newman, R.H., Saigo, H., KC, D.B.
    • 雑誌名

      Molecular Omics

      巻: 16

    • 関連する報告書
      2020 実績報告書
    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] RF-MaloSite and DL-Malosite: Methods based on random forest and deep learning to identify malonylation sites2020

    • 著者名/発表者名
      Al-barakati, H.J., Thapa, N., Saigo, H., Roy, K., Newman, R.H., Bahadur, K.C.D.
    • 雑誌名

      Computational and Structural Biotechnology Journal

      巻: 18 ページ: 852-860

    • DOI

      10.1016/j.csbj.2020.02.012

    • 関連する報告書
      2019 実績報告書
    • 査読あり / 国際共著
  • [雑誌論文] RF-GlutarySite: a random forest predictor for glutarylation sites2019

    • 著者名/発表者名
      Al-barakati, H.J., Saigo, H., Newman, R.H., Bahadur, K.C.D.
    • 雑誌名

      Molecular Omics,

      巻: 15 号: S3 ページ: 189-204

    • DOI

      10.1186/s12859-020-3342-z

    • 関連する報告書
      2019 実績報告書
    • 査読あり / 国際共著
  • [学会発表] 機械学習・深層学習を用いた高炉の教師なし異常検知2022

    • 著者名/発表者名
      板倉健大; 西郷浩人
    • 学会等名
      第25回情報論的学習理論ワークショップ
    • 関連する報告書
      2022 実績報告書
  • [学会発表] Automatically mining relevant variable interactions via sparse Bayesian learning; International Conference of Pattern Recognition2021

    • 著者名/発表者名
      Yafune, R., Sakuma, D., Tabei, Y., Saito, N., Saigo, H.
    • 学会等名
      International Conference for Pattern Recognition (ICPR)
    • 関連する報告書
      2021 実績報告書
    • 国際学会
  • [学会発表] 深層学習を利用した高炉内の異常検知2021

    • 著者名/発表者名
      木崎亮介, 西郷浩人
    • 学会等名
      第24回情報論的学習理論ワークショップ(IBIS)
    • 関連する報告書
      2021 実績報告書
  • [学会発表] 深層学習を利用した高炉内の異常検知2021

    • 著者名/発表者名
      木崎亮介, 西郷浩人
    • 学会等名
      人工知能学会 第116回人工知能基本問題研究会(SIG-FPAI)
    • 関連する報告書
      2021 実績報告書
  • [学会発表] Automatically mining relevant variable interactions via sparse Bayesian learning; International Conference of Pattern Recognition2021

    • 著者名/発表者名
      Yafune, R., Sakuma, D., Tabei, Y., Saito, N., Saigo, H.
    • 学会等名
      International Conference of Pattern Recognition (ICPR2020)
    • 関連する報告書
      2020 実績報告書
    • 国際学会
  • [学会発表] Context-Aware Latent Dirichlet Allocation for Topic Segmentation2020

    • 著者名/発表者名
      Li, W., Matsukawa, T., Saigo, H., Suzuki
    • 学会等名
      Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD 2020)
    • 関連する報告書
      2020 実績報告書
    • 国際学会
  • [学会発表] A Sparse Bayesian Approach to Combinatorial Feature Selection and Its Applications to Biological Data2020

    • 著者名/発表者名
      Ryoichiro Yafune, Daisuke Sakuma, Yasuo Tabei, Noritaka Saito, Einoshin Suzuki and Hiroto Saigo
    • 学会等名
      ICBBB2020
    • 関連する報告書
      2019 実績報告書
    • 国際学会
  • [学会発表] Bayesian Optimization for Sequence Data2020

    • 著者名/発表者名
      Kohei Oyamada and Hiroto Saigo
    • 学会等名
      ICBBB2020
    • 関連する報告書
      2019 実績報告書
    • 国際学会
  • [学会発表] DeepSuccinylSite: a deep learning based approach for protein succinylation site prediction2019

    • 著者名/発表者名
      Thapa, N., Chaudhari, M., McManus, S., Roy, K., Newman, R.H., Saigo, H., KC, D.B.
    • 学会等名
      Joint GIW/ABACBS-2019 Bioinformatics Conference
    • 関連する報告書
      2019 実績報告書
    • 国際学会
  • [学会発表] SVM-GlutarySite: A Support Vector Machine-Based Prediction of Glutarylation Sites from Protein Sequences2019

    • 著者名/発表者名
      Hussam Albarakati, Hiroto Saigo, Robert Newman and Dukka KC
    • 学会等名
      MCBIOS2019
    • 関連する報告書
      2019 実績報告書
    • 国際学会
  • [学会発表] アイテムセットを用いたスパースベイズ学習2019

    • 著者名/発表者名
      矢船 僚一朗、西郷 浩人
    • 学会等名
      人工知能学会全国大会
    • 関連する報告書
      2019 実績報告書
  • [学会発表] 変数間作用を考慮した非負スパースモデルの正則化経路探索2019

    • 著者名/発表者名
      高柳 未来、田部井 靖生、西郷 浩人
    • 学会等名
      人工知能学会全国大会
    • 関連する報告書
      2019 実績報告書

URL: 

公開日: 2019-04-18   更新日: 2024-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi