| 研究課題/領域番号 |
19K20220
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分60030:統計科学関連
|
|---|
| 研究機関 | 東京大学 (2019, 2022-2023)
国立研究開発法人理化学研究所 (2020-2021) |
|---|
研究代表者 |
松田 孟留 東京大学, 大学院情報理工学系研究科, 准教授 (50808475)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
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: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 時系列解析 / 状態空間モデル / 振動子 / fNIRS / 常微分方程式 / アジョイント法 |
|---|
| 研究開始時の研究の概要 |
振動現象は自然界に遍在しており、その理解は分野を越えて重要である。本研究では、多様な時系列データに潜む振動現象の理解・予測・制御を行うための統計手法を開発する。本研究で開発する手法によって、データ駆動的に振動現象の定量的理解が得られ、さらに不確実性を考慮した予測・制御を行うことが可能となる。
|
| 研究成果の概要 |
状態空間モデルを用いて時系列データに潜む振動成分をデータ駆動的に抽出する振動子分解について、さまざまな実データへの応用およびモデル・アルゴリズムの改良を行った。乳児fNIRSデータへの応用では、脳活動に由来する振動子、脈波に対応する振動子、ミラーリングノイズに対応する振動子の3種類の振動子への分解が得られた。地震波データへの応用では、火山性長周期微動イベントに対応する約11秒周期の振動子が検出された。また、振動子分解プログラムのMATLABからpythonへの移植も行い、githubでコードを公開した。
|
| 研究成果の学術的意義や社会的意義 |
振動現象は自然界に遍在しており、その理解は分野を越えて重要である。本研究では、時系列データに潜む振動現象の理解・予測・制御を行うための統計手法を開発し、多様なデータに応用した。本手法によって、データ駆動的に振動現象の定量的理解が得られ、さらに不確実性を考慮した予測・制御を行うことが可能となる。
|
