| 研究領域 | 生物ナビゲーションのシステム科学 |
|---|
| 研究課題/領域番号 |
16H06539
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
前川 卓也 大阪大学, 情報科学研究科, 准教授 (50447025)
|
|---|
| 研究分担者 |
鮫島 正樹 大阪大学, 情報科学研究科, 助教 (80564690)
|
|---|
| 研究期間 (年度) |
2016-06-30 – 2021-03-31
|
| キーワード | 生物移動情報学 / 軌跡分析 / データマイニング / 深層学習 |
|---|
| 研究実績の概要 |
近年のセンサ技術の進展により、ヒトやさまざまな動物の移動データを大規模に取得できるようになりつつあり、移動データから動物のナビゲーション機能を解明することが可能になると期待される。本計画班では、大量に蓄積された移動データから動物の「回避」や「エサの探索」といった移動パターンの分類体系や、刺激による移動パターン変化発現の有無といった知識・法則の発見を支援する基盤の構築および整備を行うとともに、制御工学班と共同で動物に添付する小型多機能ロガーの開発を目指す。
本年度は特に進展のあった知識・法則の発見を支援する基盤の構築に関して報告する。
動物の移動モードには、「巡航モード」や「採餌モード」などの様々なモードが含まれる。一方、動物に添付した環境や生体センサから得られるデータにもモードが存在する（例えば脳波計からは緊張モードなど）。複数のモーダルのセンサから得られたモードの共起ルール（例えば採餌モードと緊張モードが共起するなど）を高速に発見する手法をB01依田とB01飛龍と共同で開発した。これまでの生態学の研究ではモード抽出に用いられる特徴量やパラメータは、生態学者の経験から決定されていた。本研究では、それぞれのモーダルから様々なパラメータで網羅的に特徴量を計算し、時系列データクラスタリングによりモードを抽出したあと、共起度が高いモードのペア発見することで、新たな発見が潜む可能性のある共起ルールを導出する。パラメータを変更しつつ実行される時系列データクラスタリングの処理を簡略化することで、ナイーブな手法と比べて約1.3万倍高速な手法を実現した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
現在、深層学習を用いた軌跡分析手法および、システムを実装し、実際に公開するところまで進展している。
これは当初の予定より2年ほど早い進展になっている。
また、軌跡データから共起ルールを発見する手法は予定通り進んでいる。
|
| 今後の研究の推進方策 |
深層学習を用いた軌跡分析手法に関して、６つの異なる生物を対象とする共同研究者とデータ分析をほぼ終えており、今後は論文執筆を進めて投稿を行う。
|
