| 研究課題/領域番号 |
19K21550
|
|---|
| 補助金の研究課題番号 |
18H06487 (2018)
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 (2019)
補助金 (2018) |
|---|
| 審査区分 |
1002:人間情報学、応用情報学およびその関連分野
|
|---|
| 研究機関 | 国立研究開発法人理化学研究所 |
|---|
研究代表者 |
武石 直也 国立研究開発法人理化学研究所, 革新知能統合研究センター, 特別研究員 (20824030)
|
|---|
| 研究期間 (年度) |
2018-08-24 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 統計的機械学習 / 知識ベース / 事前知識 / 専門家知識 / センサデータ解析 / ナレッジグラフ / 異常検知 / 統計的関係学習 |
|---|
| 研究開始時の研究の概要 |
自動車，工場，人工衛星などの工学システムから取得することのできる多種多様なセンサデータは故障検知や運用最適化等に有用である．大量のセンサデータを有効活用するために統計的機械学習に基づく手法が注目されているが，機械学習の結果と専門家知識の整合性が判断しづらい等の理由でシステム運用上の意思決定には必ずしも活用されていない．そこで本研究では，工学システムの設計および運用上の知識（機器同士の関係性や運用上のルールなど）が知識ベースとして集約されていることに着目し，そのような知識ベースを統計的機械学習の事前知識として活用する方法を研究する．
|
| 研究成果の概要 |
統計的機械学習では、所望の問題を解くような仕組みがデータをもとに半自動的に獲得される。機械学習はさまざまなデータ・問題に対して用いられているが、その結果を解釈することが難しかったり、データ量が少ない場合には適切に学習を行えなかったりする問題がある。そこで本研究では、知識ベースとして各応用分野に存在するドメイン知識を機械学習に効率的に組み込むための方法を研究した。特に、工学分野等でよくあらわれるセンサデータを対象として、システム図（特徴量間の関係性）やシステムの安定性などにかかわる事前知識を機械学習モデルに組み込む方法などをを開発し、その有効性を確かめた。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、センサデータ活用の場面で想定される形式の事前知識（システム図やシステムの安定性に関する知識）を機械学習に組み込む汎用的な方法を開発した。つまり、これまで利用することが難しかった、または利用するためには煩雑でアドホックな操作が必要だった事前知識を容易に機械学習で用いることができる。これにより、機械学習結果の効率や解釈性の向上が期待され、システム運用の場面で機械学習をさらに活用する助けになると期待できる。
|
