| 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。
|
