| 研究課題/領域番号 |
22K04304
|
|---|
| 研究機関 | 秋田大学 |
|---|
研究代表者 |
荻野 俊寛 秋田大学, 理工学研究科, 准教授 (80312693)
|
|---|
| 研究分担者 |
田口 岳志 秋田大学, 理工学研究科, 助教 (00452839)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| キーワード | ベンダーエレメント試験 / 機械学習 / ガウス過程回帰 / サポートベクターマシン / ニューラルネットワーク |
|---|
| 研究実績の概要 |
研究年度の2年目である令和5年度の予定は，一般利用を念頭にしたS波到達点の補正モデルの構築を行うことであり，補正モデルを単純な実験式で表すことは困難であるため，補正モデルの実装には機械学習を用いる予定であった。また，モデルの学習には申請者の過去の研究から考案したシミュレーションによって人工的に合成した送受信波を用いることとしていた。
当初の予定通り，アルゴリズムとしてサポートベクター回帰を用いた機械学習モデルを構築した。学習にはあらかじめ設定したパラメータの範囲で7240通りの受信波形を計算し，供試体の寸法などの実験条件と，送受信波形のピーク点など波形の特徴から合計11次元の特徴量，真のS波到達点を学習させ，S波到達点予測モデルを作成した．学習済みのモデルを用いて実際の実験から得られる受信波形に対してS波到達点の予測を行い，熟練者が判定した値との誤差を比較した。その結果，構築した機械学習モデルが非常に高い精度で熟練者の判定値と近いS波到達点を予測することを示した。
さらに，サポートベクター回帰以外に，ガウス過程回帰，ニューラルネットワークの2種類のアルゴリズムを用いて同様の機械学習モデルを作成し，汎化性能の比較を行った．構築した機械学習モデルはいずれも高い汎化性能を示すことが明らかとなった。また，アルゴリズムごと予測に傾向があり，その中でガウス過程回帰の予測が最も熟練者の判定した値に近いことを示した。これらの成果は当初の予定を上回るものであった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
当初計画していたサポートベクター回帰による機械学習モデルの構築がいち早く成功し，さらに異なる2つのアルゴリズムを用いて追加のモデルを構築することができたため。
|
| 今後の研究の推進方策 |
令和5年度は3種類の機械学習モデルを構築することができ，いずれも高い汎化性能を示すことが確認できた。このことは当初の予定を上回る成果であったことから，次年度はこの成果をさらに発展させるべく，さらなる高い汎化性能を持つモデルの構築にチャレンジする。具体的には2つの案を考えている。1つ目は アンサンブル学習によるモデルである。これは複数の機械学習モデルによる予測を合わせることで汎化性能を高める手法である。2つ目は畳込みニューラルネットワークを用いたモデルである。畳込みニューラルネットワークは近年，画像処理などに頻繁に用いられる機械学習モデルだが，ベンダーエレメント試験の送受信波のような多次元の波形データに対しても有効であると考えられる。これによって送受信波形データを余すことなく学習に使用できるため，これまで11次元だった特徴量が飛躍的に増加するため，汎化性能の向上が見込まれる。
また，ベンダーエレメント試験の未経験者を対象としたS波到達点の判定試験を実施し，機械学習モデルのアシスト高価を定量的に確かめる予定である。
|
| 次年度使用額が生じた理由 |
研究初年度，新型コロナのため，学会発表がオンラインとなり，出張旅費の出費がなかったこと，泥炭試料採取のための調査に行くことができなかったことなどから次年度使 用額が生じた。これが2年目にスライドした。今年度は対面での学会発表，試料採取が可能である見通しのため，次年度使用額と合わせて消化する予定である。畳込みニューラルネットワークの計算に使用する高性能GPUを搭載したコンピュータを購入予定の他，今夏に試料採取のための地盤調査を予定している。
|
