| 研究実績の概要 |
本研究は，現在までの信号から将来の信号値および信号源の状態を予測・識別する時系列予測ニューラルネットワーク（NN）の開発を目的とする．そして，提案NNを生体信号予測・容態推定へ応用することで，予測に基づく医療モニタリングへの足掛かりとする．提案NNには，複雑な非線形性や個人差に対応するための工夫として，(1) 確率モデルに基づく設計，(2) 事後確率に基づく予測と識別，(3) Sparse Bayesian learning, (4) 大規模データを用いた学習を取り入れる．最終年度は，(1)から(4)全てに関連して研究を遂行し，特に(3)に関して大きな進展があった．
(1), (2) 確率モデルに基づくNNを構築し，時系列予測に応用した（Yamagata, Hayashi, Uchida, ICFHR2020等）．入力時系列に対し，数時刻先の予測値を混合正規分布に基づきモデル化する．そして，予測分布のパラメータを出力するようにNNを学習させることにより，複数の可能性を考慮した予測波形を出力可能なモデルを提案した．また，識別と生成のハイブリッドモデルを提案し，協調的に学習させることで半教師有り学習に適用するとともにConfidence calibrationへ応用できることを示した（早志・内田，MIRU2020）．
(3), (4) 混合正規分布に基づくNNとSparse Bayesian learningを組み合わせることにより，多峰性とスパース性を兼ね備えた識別器を提案した．また，提案モデルを深層NNを組み合わせることにより，大規模データの識別に応用した．本研究成果は，機械学習のトップ会議であるICLRへ採択された（Hayashi and Uchida, ICLR2021）．
|
