| 研究課題/領域番号 |
19H04186
|
|---|
| 研究機関 | 中央大学 |
|---|
研究代表者 |
樋口 知之 中央大学, 理工学部, 教授 (70202273)
|
|---|
| 研究分担者 |
中村 和幸 明治大学, 総合数理学部, 専任教授 (40462171)
Wu Stephen 統計数理研究所, データ科学研究系, 准教授 (70804186)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 深層学習 / 状態空間モデル / 変分オートエンコーダ / 粒子フィルタ |
|---|
| 研究実績の概要 |
粒子フィルタとVariational Auto Encoder (VAE)、特に時系列信号向きのVAEであるSequential VAE を融合し、観測モデルとプロポーザル分布を自動的に同定する推定アルゴリズムを構築することに取り組んだ。そのアルゴリズムを、既知の非線形ガウス型の状態空間モデルで表現された時系列データに適用し、再現可能性を検討した。つまり、データ同化でいう、双子実験を行ったことになる。さらに非線形力学系分野で解析されている実データに適用し、新しい非線形モデルを提示することを目標とした。最終年度である本年度は、開発したアルゴリズムの実データへの適用を行った。特に、カオス時系列データと想定されている多次元時系列データ（非線形性の高いローレンツモデルやFitz-Hugh Nagumo式）に対して適用し、カオス研究の観点から新知見を得た。パラメータ学習アルゴリズムとしては、粒子フィルタのフィルタリングに発想を得た、ELVOの時系列版であるFIVOや、FIVOよりも計算時間はかかるが、状態空間モデルでのスムージングアルゴリズムにヒントを得たSVOがこれまで試みられていた。我々は、逐次アンサンブルベースアルゴリズムのアンサンブルカルマンフィルタ（EnKF）を援用した、粒子数を1／100程度の劇的に減らしながら推定精度を向上させるアルゴリズムであるEnKOを昨年度開発した。本年度はこのEnKOをカオス時系列データに適用することを試みた。また、次元の高い時系列データへの適用可能性を確認するため、人の歩行の動き（つまり歩容）の計測データや、動画像からの判別タスクのベンチマークデータセットである、回転する手書き文字データなどの動画像データに対しても実験を行った。全体を通じて、適宜、論文や学会での発表により成果を公開した。
|
| 現在までの達成度 (段落) |
令和4年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和4年度が最終年度であるため、記入しない。
|
