研究課題/領域番号 |
22K11942
|
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 | 早稲田大学 |
研究代表者 |
永田 靖 早稲田大学, 理工学術院, 教授 (30198337)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
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)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
キーワード | タグチメソッド / MTシステム / RT法 / 混合モデル / アンケート調査データ / 異常検知 / 予測 / ロバスト推定 / 機械学習 |
研究開始時の研究の概要 |
タグチメソッドの精緻化の研究を目指す.特に,タグチのMTシステムとロバストパラメータ設計を中心に,昨今のデータ環境でより機能する方法論の研究を行う. MTシステムは異常検知と予測のためのタグチ流多変量解析法である.ロバストパラメータ設計はノイズの影響を受けにくい要因を発見するためのタグチ流実験計画法である. MTシステムの理論的性質や改良手法に関しては,私たちにより,これまでかなり研究が進んでいる.本研究では,さらに発展・精緻化させ,高次元・小標本のデータ環境では機械学習と融合した手法を開発し,適用範囲と精度を向上させたい.ロバストネスの観点からMTシステムとロバストパラメータ設計を融合させたい.
|
研究実績の概要 |
MTシステムに関連し,次の研究を行った. ①正常空間,既知の異常がある場合に,判定すべきデータが正常であるか,既知の異常であるか,未知の異常であるかを判定する手法を開発し,性能評価した.この手法は混合モデルに基づくものである.さらに,教師あり学習と半教師あり学習の両者を考慮し,性能の比較を行った.成果を国際会議(Asian Network for Quality)で発表した.この発表はBest Paper Awardに選出された(2021年度).2022年度では,その内容に,さらに改良を加えて学術誌に投稿し,掲載された. ②アンケートでは,5件法や7件法でデータを採取する.したがって,背後には連続的な計量空間が想定されるが,データ自体は離散量が得られる.このような場合,離散量に基づく相関関係は希薄化されてしまう.したがって,そのような状況で異常値を検出するためには,工夫が必要になる.そこで,連続変数と順序尺度変数間の相関として多分系列相関係数をMT法に組み入れて異常検知する方法を開発した.成果を国際会議(Asian Network for Quality)で発表した(2021年度).2022年度では,その内容に,さらに改良を加えて学術誌に投稿し,掲載された. ③高次元データに対応できるRT法を定式化して性能を比較した.代表的な高次元主成分分析法であるノイズ掃き出し法とクロスデータ行列法を取り上げ,それらを主成分分析を用いたタグチのRT法に導入し,その異常検出性能について検証した.成果を国際会議(Asian Network for Quality)で発表した(2021年度).2022年度では,その結果に検討を加えて学術誌に投稿し,掲載された.
|
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
MTシステムの研究については,複雑な状況下を設定したもとで,広い観点から研究成果を出すことができた.研究成果の論文化と掲載を達成することができた. 一方,SN比や田口流実験計画法の研究には十分取り込むことができなかった.
|
今後の研究の推進方策 |
より複雑な状況におけるSN比解析や田口流実験計画法,そしてMTシステムの研究については研究を継続してきたい.特に,前者については,誤差因子が共変量として観測される場合のデータ処理と解析方法,後者については,時系列データの異常値検出,欠測値処理,スパースモデリング,半教師データの解析など,データの構造の複雑さ,変数の多次元化・高次元化,データの欠損や不均衡の状況に対して,研究を深めていきたい.
|