| 研究課題/領域番号 |
16H04362
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
通信・ネットワーク工学
|
|---|
| 研究機関 | 東京農工大学 |
|---|
研究代表者 |
田中 雄一 東京農工大学, 工学(系)研究科(研究院), 准教授 (10547029)
|
|---|
| 研究分担者 |
田中 聡久 東京農工大学, 工学(系)研究科(研究院), 教授 (70360584)
京地 清介 北九州市立大学, 国際環境工学部, 准教授 (70634616)
小野 峻佑 東京工業大学, 科学技術創成研究院, 助教 (60752269)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | グラフ信号処理 / 機械学習 / 信号処理 |
|---|
| 研究成果の概要 |
本研究における成果として代表的なものは，大規模時空間データをスパースに表現するための高速グラフサンプリング手法および大規模行列特異値処理手法である．
高速グラフサンプリング手法においては，グラフ信号処理の知見を利用し，グラフ局所性作用素を用いたサンプリング手法の提案を行った．本手法は従来手法と比較して最大数千倍高速であり，データの復元精度も優れている．大規模行列特異値処理に関しては，ディジタルフィルタ設計等に用いられるチェビシェフ多項式近似を用いることで，陽に行列分解をすることなしに特異値処理された行列を算出できることを示した．
|
| 自由記述の分野 |
信号情報処理
|
| 研究成果の学術的意義や社会的意義 |
Society 5.0 の実現のためには IoT から得られるビッグデータを効率よく処理する必要がある．本研究の成果は，ビッグデータ解析に対して（グラフ）信号処理の立場から非常に効率的なアルゴリズムを提案したことに学術的意義がある．同時に，今後ますます需要が増すビッグデータを利用した AI に対し，実用的にも大きな一歩となることが期待できる．
|
