研究課題/領域番号 |
21K12022
|
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61030:知能情報学関連
|
研究機関 | 富山高等専門学校 |
研究代表者 |
北村 拓也 富山高等専門学校, その他部局等, 講師 (40611918)
|
研究期間 (年度) |
2021-04-01 – 2024-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
キーワード | 異常検知 / SVDD / SVM / 機械学習 / 疑似異常データ / 深層学習 / 敵対的生成ネットワーク / 変分オートエンコーダ / 人工知能 / 疑似データ |
研究開始時の研究の概要 |
本研究では,オートエンコーダや敵対的生成ネットワークを用いた深層学習によって疑似データを生成し,異常検知性能向上と個人認証システムへの応用を目的とする.また実験では,正常データは多く取得できることを前提とした異常検知問題と異常データが得られない,かつ,正常データも少数しか得られない個人認証問題(本人かそうでないかの二値問題)を想定している.
|
研究実績の概要 |
通常,正常データと異常データを分類する異常検知問題において,正常データに比べて異常データは収集が難しく,不均衡問題となりやすく,そのような問題 においても異常データが多く得られた場合と同様の性能を示すようなアルゴリズムやシステムの構築は本分野においては重要であり,実用的であるといえる. 本研究では,疑似データを生成することによる異常検知性能向上と個人認証システムへの応用を目的とし,① 少数の異常データと多数の正常データを基にし た擬似異常データの生成,② 多数の正常データのみを基にした擬似異常データの生成,③ 少数の正常データを基にした擬似正常データの生成の3つの疑似デー タの生成方法を用いる.令和4年度は,主に②のアルゴリズムの確立と②のシステム構築と実験・考察を行った. 多数の正常データを基にSVDDまたは複合カーネルを用いたSVMにより,外れ値領域を予測し,疑似異常データ生成を行った.実験では,異常検知用画像データを用いており,事前学習としてCNNモデルであるEfficientNetを用いてファインチューニングを行う.ファインチューニングの際,与えられたデータを全て用いると計算コストと検知精度の観点から非効率であることが確認されていたため,SVDDによりあらかじめ決定されたサポートベクトル又はそれら以外のデータのみでファインチューニングを行うことによる汎化能力と計算コストへの影響を確認し,有効性が確認できた.
|
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
「研究実績の概要」にある通り,当初の目的に沿ったアルゴリズム確立とシステム構築ができており,おおむね順調に進展しているといえる.また,令和3年度までの実績と合わせると本研究の目的であるアルゴリズムの確立とシステムの構築はおおむね達成できたといえる.
|
今後の研究の推進方策 |
構築されたシステムにより,実験を行うデータを増やし,それらの実験結果を基に考察・改良をすすめていく.また,異常検知を応用することによって個人認証への適用も可能であるかどうか検証していく.
|