研究課題/領域番号 |
20K11992
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分61040:ソフトコンピューティング関連
|
研究機関 | 佐賀大学 |
研究代表者 |
堂薗 浩 佐賀大学, 理工学部, 准教授 (00217613)
|
研究分担者 |
中國 真教 福岡大学, 公私立大学の部局等, 准教授 (10347049)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
キーワード | 時系列処理 / 自己組織化マップ / IoT機器 |
研究成果の概要 |
本研究課題では、計算量の少ない時系列処理手法であるReservoir Computingの性能向上のために、自己組織化マップを用いて状態分類を行い、各状態について出力行列を学習させるアルゴリズムを開発した。また、そんアルゴリズムの有効性を、実験により確認し、従来のReservoir Comutingでは大きく性能低下が見られる、教師入力なしの状態(学習終了後)においても、時系列の予測が可能となった。また、本アルゴリズムを、KDDCUP2021、2022のデータに対して適用し、その効果を確認した。
|
自由記述の分野 |
ソフトコンピューティング
|
研究成果の学術的意義や社会的意義 |
近年IoT機器の普及により、様々なデータが収集され、その解析や応用が行われているが、従来のAIの手法を用いて大規模な時系列データの処理を行うにはioT機器は計算能力が低く、また、ネットワークを用いてクラウドで処理するのにも、データ通信量が大きくなり、そのための電力消費が大きい、そこで、IoT機器などでも実行可能な、軽量で性能が良い時系列処理手法が求められ、その一つがReserviur Computing(RC)である、本研究課題では、自己組織化マップとRCを組み合わせたReservoir自己組織化マップを開発し、その有効性を実験により確認した。
|