• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2018 年度 研究成果報告書

学習なき発見のためのシーケンスデータ解析と可視化

研究課題

  • PDF
研究課題/領域番号 16K12428
研究種目

挑戦的萌芽研究

配分区分基金
研究分野 マルチメディア・データベース
研究機関東京大学

研究代表者

大澤 幸生  東京大学, 大学院工学系研究科(工学部), 教授 (20273609)

研究協力者 早矢仕 晃章  
春日 暁  
岩佐 太路  
谷中 瞳  
ワン ジャンシー  
池上 顕真  
増井 紀貞  
リュウ ケイアン  
チー ジー  
ヤン ルイ  
ザオ シャオイ  
ゼン ヤンユアン  
イー ジー  
チョウ カクケン  
岸 芳輝  
岩永 宇央  
吉鷹 伸太朗  
江本 守  
竹村 航太  
奈良岡 誠  
研究期間 (年度) 2016-04-01 – 2019-03-31
キーワード学習なき発見 / 時系列分析 / 変化の説明 / 潜在時間スケール / 変数選択 / 変数クエスト / 社会的ニーズ調査
研究成果の概要

変化原因を定性的に説明することへのニーズを把握した上で、多様なタイムスケールが混在する時系列データから変化原因を説明する技術へのニーズがあることを確認した。このニーズに沿って、絡まりの始終点を変化点として可視化するTangled String(TS)、その拡張手法と評価方法を確立した。また、学習を伴わず変化点の検出とその説明を行うアルゴリズム群を得つつ、時系列の不確実性も説明する機械学習手法法を生み出す成果も得た。又、手法で説明に用いるべき変数を過不足なく提案する変数クエストを開発した。開発した技術を、SNS、POS, 地震に適用して成果を得た。成果の社会的ニーズについても調査を行った。

自由記述の分野

データ市場設計学

研究成果の学術的意義や社会的意義

データ利活用におけるニーズと、データと、データ分析技術等のマッチングを行うIMDJワークショップから、本研究の考え方で変化の原因を説明することへのニーズが実業界で強いことが明らかとなった。しかし、実際の社会・自然における変化には多様なタイムスケールが混在するため、従来手法では変化原因の説明が難しかった。この問題を解決することは基礎学術における進展であり、フェーズ①ニーズに答える技術的アプローチの検討, フェーズ②Tangled String(TS)を起点とする時間窓最適化, TSにかわるアルゴリズム群開発, フェーズ③ 実社会への適用と期待感の調査を行う手順により社会的意義も確保し続けた。

URL: 

公開日: 2020-03-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi