研究課題/領域番号 |
20K11701
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分60030:統計科学関連
|
研究機関 | 筑波大学 |
研究代表者 |
イリチュ 美佳 (佐藤美佳) 筑波大学, システム情報系, 教授 (60269214)
|
研究分担者 |
清水 信夫 統計数理研究所, データ科学研究系, 助教 (00332130)
青嶋 誠 筑波大学, 数理物質系, 教授 (90246679)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
キーワード | Deep Learning / Multidimensional Scaling / Fuzzy Clustering / Scales of Clusters / HDLSS Data / Support Vector Machine / Convex clustering / Multidimensional scaling / Fuzzy Clustering Models / Data Fusion / Convex Clustering / 統計科学 / 高次計量 / クラスタリング |
研究開始時の研究の概要 |
ソフトコンピューティングによる潜在分類尺度を用いた高次元小標本型の3元時系列データに対する状態監視のための解析手法を開発する。さらに、この手法を基軸として、数学的計量を高次計量に拡張し、超曲面に対するデータ構造を得る手法に拡張する。この事により、従来型の計量で説明が出来ない、より複雑な状態間の差異を説明可能とし、手法の汎化性能をあげることが期待できる。
|
研究実績の概要 |
本研究は、データが状態や時点に応じて変化するときに、それらのデータを同時に低次元に布置し、その類似構造を把握すると共に、状態変化を視覚的に検知できる新技術を創製することが主目的である。この方法が完成すれば、状態や時点の変化によって変容する大規模かつ複雑なデータの解析結果を短時間で明確に得ることが可能となる。本年度は、昨年度までの研究で得たクラスター尺度の考えを広く発展させ、画像データ、言語データ、医学データ、センサーデータ、経営データ等への応用研究を行うと共に、これらの複雑・大量データの特性に見合った新たな手法を提案した。特に、状態の変化を被検者間の相違性と捉えることで、異なる個体に基づくデータを短時間で処理し、かつノイズに対して頑健なシステムを構築可能とし、個体差を考慮した健康管理システムへ応用する研究についての知見を得た。また、ディープラーニング手法やサポートベクターマシン等の機械学習手法について、従来、問題とされている説明可能性について、本研究で提案のクラスター尺度による次元縮約の考えを自己組織的に組み込むことで、説明可能性を保持した機械学習手法の提案について種々の知見を得た。今後、この技術・知見を基軸として、高次計量を用いた技術に拡張し、超曲面に対する低次元座標布置を得る手法に発展させる計画である。この研究成果は、3編の査読付き国際学術雑誌論文に採録となった。さらに、2件の英文書籍において章の執筆をした。また、4回の国際会議における招待講演、8回の国際会議発表を含む11回の学会発表を通じて、これらの手法に対する研究成果を発表した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度は、昨年度の研究を継続し、データが状態や時点に応じて変化するときに、それらのデータを同時に低次元に布置し、その類似構造を把握すると共に、状態変化を視覚的に検知できる新技術について、基礎研究に基づく種々の応用研究を行うことが主目的であったが、その目的を達成しているため、おおむね順調に進展しているといえる。
|
今後の研究の推進方策 |
開発した技術を基軸とし、応用研究の結果から得られた知見を有効利用して、高次計量を用いた技術に拡張し、超曲面に対する低次元座標布置を得る手法に発展させ、より複雑なデータにも適用が可能とするように、手法の汎化性能をあげるための研究を進める必要がある。さらに、開発したモデルについて、論文にまとめ公表する必要がある。
|