| 研究課題/領域番号 |
20H02172
|
|---|
| 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21040:制御およびシステム工学関連
|
|---|
| 研究機関 | 北九州市立大学 |
|---|
研究代表者 |
永原 正章 北九州市立大学, 環境技術研究所, 教授 (90362582)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
17,680千円 (直接経費: 13,600千円、間接経費: 4,080千円)
2022年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2021年度: 5,980千円 (直接経費: 4,600千円、間接経費: 1,380千円)
2020年度: 6,630千円 (直接経費: 5,100千円、間接経費: 1,530千円)
|
|---|
| キーワード | スパースモデリング / 機械学習 / 最適制御 / サイバーフィジカルシステム / COVID19 / データ駆動型制御 / モビリティ / 最適化 / スパース制御 / IoT / スプライン / パンデミック / COVID-19 / 数値最適化 / ニューラルODE / ノンパラメトリック回帰 |
|---|
| 研究開始時の研究の概要 |
ニューラルネットワークを微分方程式（ODE）で表現した「無限の深さの」深層学習（ニューラルODE）や，IoTにおける物理系センサデータからのノンパラメトリック回帰など，微分方程式の制約をもつ機械学習が近年，重要性を増している．しかし，従来の機械学習の手法では，それら微分方程式を陽に扱うことはできない．本研究の目的は，（１）微分方程式を制約にもつ機械学習を非平滑最適制御問題として再定式化し，（２）微分方程式を陽に考慮した無限次元の最適化を効率よく解く手法を提案，そして（３）電動車いすを用いた実証実験により提案手法の有効性を示すことである．
|
| 研究成果の概要 |
本研究では、動的システムの推定問題を機械学習に融合する手法を検討し、制約付きノンパラメトリック回帰問題を最適制御の問題として定式化した。具体的には、データセットから最適な曲線を求める平滑化スプラインの問題を解く新たなアルゴリズムを開発した。またノイズが存在する環境下での最適制御問題のロバスト性を解析し、スパースな制御問題の解法を探求した。さらに、COVID-19の抑制に関する制御問題や、障害物を避ける電動車いすの制御アルゴリズムの開発といった、現実世界の課題に対する応用も検討した。これらの成果は、国際会議と学術論文誌上で発表された。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、動的システムの理論と機械学習を融合した新しいフレームワークを提案した。これにより、データ駆動の手法が制御理論に効果的に統合され、システムの理解と予測の精度が向上した。また、スパース性を持つ最適制御問題の研究は、計算負荷の軽減と効率的なリソース利用を可能にし、これは大規模なシステムやデータセットを扱う現代の科学技術において極めて重要である。また、COVID-19の抑制に関する制御問題や電動車いすの制御アルゴリズムの開発など、実世界での問題も取り扱った。これらは公衆衛生への対応や高齢化社会における移動支援技術の進化に対する重要な貢献となる。
|
