| 研究課題/領域番号 |
18H03293
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 一般財団法人総合科学研究機構(総合科学研究センター(総合科学研究室)及び中性子科学センター(研究開発 (2019-2020)
北海学園大学 (2018) |
|---|
研究代表者 |
田中 譲 一般財団法人総合科学研究機構(総合科学研究センター(総合科学研究室)及び中性子科学センター(研究開発, 総合科学研究センター, 特任研究員 (60002309)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 探索的分析・学習 / 探索的可視化分析 / センサ・ネットワーク / マテリアルズ・インフォマティクス / スマート除排雪 |
|---|
| 研究成果の概要 |
対象世界が単一モデル記述均質性を満たさないために機械学習精度が充分に得られない問題を、itemset miningによりデータ分割を求めセグメント毎機械学習で解決する手法を確立し、これを導入した探索的可視化分析フレームワークを開発した。強磁性体実験データ集合に適用しキューリ温度の回帰推定のR2スコアを改善した。都市規模CPSへ適用すべくLPWAを採用し、1分毎送信容量128bitの制約下で、時速125kmまでの全速度域で移動軌跡を6秒毎に誤差8m以内でサンプリング可能な技術を開発し、積雪計用定点送信ノードも用い札幌市でデータ取得実験を行い、既得統計プローブカーデータと合わせ可視化分析を行った。
|
| 自由記述の分野 |
ビッグデータ応用と探索的可視化分析環境
|
| 研究成果の学術的意義や社会的意義 |
機械学習は対象データ集合に隠れた数学モデルを計算可能関数として求めることであるが、現実問題では、単一ではなく複数モデルが隠れている場合が多く、高いR2スコアの回帰推定を得られない場合が多い。記述子集合やアルゴリズムを試行錯誤的に適切に選ぶだけでなく、不均一なデータ集合を均一なセグメントに分割して個別に機械学習する必要がある。本研究は適切なセグメンテーションを求める新手法を提案し、機能材料探索と都市における要除排雪箇所検出に適用し有効性を示した。都市規模のモビリティ・データとセンサ・データの取得コスト低減のため、LPWAノード端末のデータ圧縮技術も確立し有効性を実証した。
|
