| 研究課題/領域番号 |
20K11832
|
|---|
| 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60080:データベース関連
|
|---|
| 研究機関 | 東海大学 |
|---|
研究代表者 |
今村 誠 東海大学, 情報通信学部, 教授 (30780291)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 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)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
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: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 時系列データマイニング / Time series motifs / Symbolic Representation / DTW Motifs / Predicative Maintenance / データマイニング / IoT / 時系列データ |
|---|
| 研究開始時の研究の概要 |
本研究では，新たなモチーフ解析手法として，機器の劣化や人の健康悪化などを検出するために，モチーフが少しずつ変化していく傾向を発見する方法を確立する。また，機器は，(a)位置決め，(b)吹付，(c)洗浄 などの一連のモチーフが一つの工程を作る場合が多く，モチーフの出現文脈を考慮した分析を可能にするため，モチーフで構成される文法的パターンを発見する問題を研究する。また，この問題の部分問題として，モチーフ発見の未解決問題である「モチーフの長さを決定する問題」を解決する。
|
| 研究成果の概要 |
IoTとビッグデータの普及に伴い、工場/公共設備の予知保全から人の行動分析/健康管理に至るまで、センサーデータの解析ニーズが高まっている。しかし、従来の周波数解析や時系列解析は定常性を仮定するのでセンサーデータを扱えない場合があった．そこで，ハイパーパラメータとして従来の「時系列の時間幅」ではなく「値の変動幅」とする点をオリジナリティとする新たな時系列分解手法Spikeletを提案した。そして、センサーデータの構造を発見する「文法的モチーフ」と、劣化や故障などの時間変化を検出する「モチーフの時間発展」を開発した。この成果は、トップレベル国際会議のACM-KDDやIEEE-ICDMに採録された。
|
| 研究成果の学術的意義や社会的意義 |
四次産業革命やSociety 5.0を実現するために， IoT(Internet of Things)普及に伴って飛躍的に増加するセンサーデータを分析する基盤技術を確立する
|
