研究課題/領域番号 |
17K00133
|
研究機関 | 日本工業大学 |
研究代表者 |
吉野 秀明 日本工業大学, 基幹工学部, 教授 (00644816)
|
研究分担者 |
平栗 健史 日本工業大学, 基幹工学部, 教授 (90582817)
大田 健紘 日本工業大学, 基幹工学部, 助教 (50511911)
|
研究期間 (年度) |
2017-04-01 – 2020-03-31
|
キーワード | ネットワーク / 機械学習 / データ集約 / トラヒック / IoT |
研究実績の概要 |
本年度は,以下のとおりセンサデータ集約方式の理論解析およびシミュレーション評価,機械学習を用いた時系列データ分析法の比較評価までを実施した: 1.センサデータ集約方式の理論解析: 昨年度論文投稿した統計的データ集約方式の理論解析を非統計的データ集約方式に拡張し,系内時間特性及び最適集約パラメータを導出した.具体的には,集約処理に一定個数集約方式,送信処理に非統計的データ集約方式を採用した方式を待ち行列としてモデル化し,総系内時間分布のLSTを導出した.さらに,平均総系内時間を最小化する最適集約個数の精度の良い推定式を導出した.これらの結果を電子情報通信学会研究会・大会で発表すると共に,国際会議に投稿した.また,統計的データ集約方式の理論解析の論文掲載を果たした. 2.データ集約環境のシミュレーション評価: 統計的及び非統計的データ集約方式の理論解析結果を応用した適応的な最適集約制御方式を提案し,時変動入力トラヒックに対する特性をシミュレーション評価し,国際会議,電子情報通信学会研究会,大会で発表した. 3.機械学習を用いた時系列データ分析法: 各種機械学習技術がモジュールとして用意されている汎用データマイニングツールVisual Mining Studioを導入し,サポートベクタマシン,決定木,および両手法を組み合せたハイブリッド手法を用いて,実トラヒックデータに対する異常検知精度の特性評価を進めた.並行して,オープンソース機械学習ライブラリであるscikit-learnに実装されている3種の異常検知手法を同データにより比較評価した.現在,これらを継続して評価中である.
|
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
研究実績の概要に記したとおり,統計的データ集約方式の理論解析の論文掲載を果たすとともに,同理論解析を拡張した非統計的データ集約方式の近似解析とシミュレーション評価ならびに機械学習を用いた時系列データ分析法の初期検討まで,おおむね当初計画どおり進捗している. 併せて,統計的データ集約方式の理論解析を応用した適応的制御技術の検討を進め,国際会議等で発表した.
|
今後の研究の推進方策 |
機械学習を応用した時系列データ分析法の特性評価については,継続して,汎用データマイニングツールVisual Mining Studioを活用した評価と併せて,オープンソースツールを活用した評価を進め,時系列トラヒックデータの異常検知に適した分析法の確立に向けた検討を加速する. 併せて,センサデータ集約方式に関して,以下を目標に研究を進める: (1)非統計的データ集約方式の理論解析結果の国際会議発表及び論文投稿, (2)統計的・非統計的データ集約方式を統一して扱うモデルの提案, (3)同モデルに基づく適応的制御方式の特性評価の国際会議投稿・発表.
|
次年度使用額が生じた理由 |
ほぼ計画通りの進捗を確保した上で,当初予定していた国際会議投稿が採択率20%以下と厳しい条件で返戻となり,次年度開催の国際会議に再投稿となったために国際会議出張分の旅費支出及び参加費が本年度の支出にならなかったことが,次年度使用額が生じた主な理由である. 今後の計画として,国際会議での成果発表のための旅費及び参加費として使用する.
|