| 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 – 2021-03-31
|
| 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，以下のとおり非統計的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結果の国際会議発表，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及び同モデルに基づく適応的制御方式の特性評価の学会発表，機械学習を用いた時系列データ分析法の特性評価を実施した：
１。非統計的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： データ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に対する理論解析結果をとりまとめ，国際会議IEEE Globecom2019で発表した。また，同解析結果に基づく適応的制御方式のシミュレーション評価結果をとりまとめ，国際会議IEEE ITNAC2019で発表し，優秀発表賞を受賞した。
２。統計的・非統計的データ集約方式統一モデル： 本科研費による研究開始当初から個別に解析を進めてきた統計的及び非統計的データ集約方式に対して，両方式を統一して扱うことが可能な理論解析モデルを提案した。併せて，同解析結果に基づく適応的制御方式に対して，IoTのトラヒックソースモデルとして国際標準化機関３GPPで提案されているBeta分布モデルを入力としたシミュレーション評価を進め，これらの結果を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： 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，昨年度に引き続き，汎用データマイニングツールVisual Mining Studioによる k近傍法とSupport Vector Machine（SVM）の異常検知精度の検証，及び，オープンソース機械学習ライブラリscikit-learnを用いたOne-Class Support Vector Machine (OCSVM)とIsolation Forest (iForest)による異常検知精度の検証を進めた。
|
| 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
研究実績の概要に記したとおり，非統計的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結果の国際会議発表，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及び同モデルに基づく適応的制御方式の特性評価の学会発表，機械学習を用いた時系列データ分析法の特性評価まで，おおむね当初計画どおり進捗している。
ただし，令和2年3月，新型コロナウイルスの影響により，最終年度としての研究成果を発表予定であった電子情報通信学会の研究会及び大会が中止になったことから，令和2年度に，更なる検討結果を加えて同学会で発表するため補助事業期間を延長した。
|
| 今後の研究の推進方策 |
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及び同モデルに基づく適応的制御方式の特性評価に関する検討を更に深め，令和2年3月に発表予定であった内容に追加して，電子情報通信学会の研究会及び大会で発表するとともに，IoTシステムの設計と制御に関する課題と今後の展開についてのサーベイと考察を加えて，論文投稿する。
|
| 次年度使用額が生じた理由 |
令和2年3月，新型コロナウイルスの影響により，補助事業期間の最終年度としての研究成果を発表予定であった電子情報通信学会の研究会及び大会が中止になったため，国内出張分の旅費支出及び発表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。
補助事業期間の１年間の延長を申請し，令和2年度に，更なる検討結果を加えて同学会で発表する。
|
