• 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

時変動グラフ上の信号情報処理:大規模時空間センシングデータのスパース表現

研究課題

研究課題/領域番号 20J13647
研究種目

特別研究員奨励費

配分区分補助金
応募区分国内
審査区分 小区分61010:知覚情報処理関連
研究機関東京農工大学

研究代表者

山田 宏樹  東京農工大学, 工学府, 特別研究員(DC2)

研究期間 (年度) 2020-04-24 – 2022-03-31
研究課題ステータス 完了 (2021年度)
配分額 *注記
2,100千円 (直接経費: 2,100千円)
2021年度: 1,000千円 (直接経費: 1,000千円)
2020年度: 1,100千円 (直接経費: 1,100千円)
キーワードグラフ学習 / グラフ信号処理 / サンプリング
研究開始時の研究の概要

従来の周波数変換技術に基づくスパース表現は、データの圧縮・解析における重要なツールであるが、信号が不均一に分布する時空間データを扱うことは困難であった。本研究では、時間的に位置・関係性が変化するセンサから計測された大規模な時空間データを、信号の時変動構造を考慮しスパース表現する技術の開発を目指す。さらに、そのスパース表現を利用し、大規模時空間データの実問題への応用に取り組む。

研究実績の概要

本年度はグラフ学習手法とグラフのエッジサンプリング手法に取り組んだ.研究成果の概要を以下にまとめる.
1. 多重解像度グラフ学習: 時変グラフ学習は多変量時系列データから時間変化するグラフを学習する手法である.時変グラフ学習の従来法は,時変グラフの先見情報を活用することで精度良くグラフを推定する.しかし,これらの手法はグラフに対する先見情報がない場合には対応できない.本年度は時変グラフの時間多重解像度表現を利用した時変グラフ学習手法に取り組んだ.結果として,先見情報を利用することなく,従来手法と同等あるいは精度よくグラフを推定することが可能となった.本研究成果はIEEE Access誌に掲載された.
2. グラフ学習情報量規準: グラフ学習手法を実問題に応用する多くの場合,真のグラフに対する情報は未知であるため,グラフ学習のハイパーパラメータを選択は経験によるものであった.本年度はグラフ学習のモデル選択手法に取り組んだ.グラフ学習の問題を生成モデルとして再定式化し,モデルエビデンスを計算することで,グラフ学習においてモデル選択を可能にした.本研究成果はICASSP2022に採択が決定している.
3. 辺の平滑性に基づくグラフのエッジサンプリング: 不要なグラフの辺を削除する問題,いわゆるグラフのエッジサンプリングは機械学習,信号処理分野で重要な課題である.本研究はグラフをライングラフに変換し,平滑性に基づくサンプリング手法を適用することで,辺の平滑性を保ったままエッジサンプリングを行うことに成功した.この研究成果はICASSP2022に採択が決定している.

現在までの達成度 (段落)

令和3年度が最終年度であるため、記入しない。

今後の研究の推進方策

令和3年度が最終年度であるため、記入しない。

報告書

(2件)
  • 2021 実績報告書
  • 2020 実績報告書
  • 研究成果

    (7件)

すべて 2022 2021 2020

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件) 学会発表 (6件) (うち国際学会 6件)

  • [雑誌論文] Temporal Multiresolution Graph Learning2021

    • 著者名/発表者名
      Yamada Koki、Tanaka Yuichi
    • 雑誌名

      IEEE Access

      巻: 9 ページ: 143734-143745

    • DOI

      10.1109/access.2021.3120994

    • 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
  • [学会発表] Graph Learning Information criterion2022

    • 著者名/発表者名
      Koki Yamada, Yuichi Tanaka
    • 学会等名
      IEEE International Conference on Acoustics, Speech and Signal Processing
    • 関連する報告書
      2021 実績報告書
    • 国際学会
  • [学会発表] Edge Sampling of Graph Based on Edge Smoothness2022

    • 著者名/発表者名
      K. Yanagiya, Koki Yamada, Y. Katsuhara, T. Takatani, Y. Tanaka
    • 学会等名
      IEEE International Conference on Acoustics, Speech and Signal Processing
    • 関連する報告書
      2021 実績報告書
    • 国際学会
  • [学会発表] Node Clustering of Time-varying Graphs Based on Temporal Label Smoothness2021

    • 著者名/発表者名
      K. Fukumoto, Koki Yamada, Yuichi Tanaka
    • 学会等名
      Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC 2021)
    • 関連する報告書
      2021 実績報告書
    • 国際学会
  • [学会発表] Design of Graph Signal Sampling Matrices for Arbitrary Signal Subspaces2021

    • 著者名/発表者名
      Junya Hara, Koki Yamada, Shunsuke Ono, Yuichi Tanaka
    • 学会等名
      2021 IEEE International Conference on Acoustics, Speech and Signal Processing
    • 関連する報告書
      2020 実績報告書
    • 国際学会
  • [学会発表] Graph Signal Denoising Using Nested-Structured Deep Algorithm Unrolling2021

    • 著者名/発表者名
      Masatoshi Nagahama, Koki Yamada, Yuichi Tanaka, Stanley Chan, Yonina C. Eldar
    • 学会等名
      2021 IEEE International Conference on Acoustics, Speech and Signal Processing
    • 関連する報告書
      2020 実績報告書
    • 国際学会
  • [学会発表] Learning Graphs with Multiple Temporal Resolutions2020

    • 著者名/発表者名
      Koki Yamada, Yuichi Tanaka
    • 学会等名
      APSIPA Annual Summit and Conference 2020
    • 関連する報告書
      2020 実績報告書
    • 国際学会

URL: 

公開日: 2020-07-07   更新日: 2024-03-26  

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