| 研究領域 | スパースモデリングの深化と高次元データ駆動科学の創成 |
|---|
| 研究課題/領域番号 |
25120014
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
藤代 一成 慶應義塾大学, 理工学部(矢上), 教授 (00181347)
|
|---|
| 研究分担者 |
渡辺 一帆 豊橋技術科学大学, 工学(系)研究科(研究院), 講師 (10506744)
高橋 成雄 会津大学, コンピュータ理工学部, 教授 (40292619)
|
|---|
| 研究期間 (年度) |
2013-06-28 – 2018-03-31
|
| キーワード | 可視化 / 機械学習 / トポロジー |
|---|
| 研究実績の概要 |
昨年度に引き続き，【課題1】最適商写像選択過程の機械学習，【課題2】商写像表現返還のための潜在変数モデリング，【課題3】次元圧縮写像の視覚メタファとグリフ設計の対合による３つの複合課題【複合課題A（課題1と2の対合）】商写像推定の高可用性，【複合課題B（課題2と3の対合）】視覚メタファ設計，【複合課題C（課題3と1の対合）】履歴学習を設定して研究を継続した．今年度具体的に得られた主要成果は以下のとおりである．
①非対称バイクラスタリング表示手法として採用した多対多（一）平行座標系表示のデータ相関一覧性効果を，天文班の超新星データや米国農務省の食品成分データ等への適用実験により，より詳細に分析した．
②多変数時系列データを幾何学的に可視化できるTimeTubes法の処理系に対し，天文班からの要求にそった分析機能の充足を図るとともに，観測データ自身に潜む偏光データの誤差に加え，時間方向の補間によってもたらされる不確実性を緩和するために，複数のデータソースからのデータを視覚的に融合する体系的手法を開発した．
③昨年度まで開発してきた高次元データに対する非対称バイクラスタリング法による部分空間規定の制約を緩和し，より適応的なデータ行列の区分けを可能にする手法として，モンドリアン型データタイリングに対する基本方式設計を実施した．さらに，併合可能なブロック対候補選定の効率的な利用者判断に資するネットワーク可視化インタフェースの基本設計も行った．
|
| 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
昨年度から設定した複合課題にそって，研究を進められており，本年度末に実施された総括班による個別研究計画進捗評価においても同様の認定を受けることができた．特に，成果③に示したモンドリアン型データタイリングは，本計画研究発足時からの主要到達目標の一つであり，それを計画期間内に実現する一定の目処が立ったことは大きな収穫である．
|
| 今後の研究の推進方策 |
上記の総合班による進捗評価では，
①天文班以外にも，医学班，地球科学班，スパースモデリング班が抱える具体的問題への適用により，手法を評価する
②立体視やVRデバイス利用による没入的な物理スペース視覚解析との連動により，スパースモデリングにおける可視化支援の強化を目指す
という具体的な2点の推進方策が示されているので，それにそって最終年度にふさわしい研究総括を実施する計画である．
|
