| 研究課題/領域番号 |
22K17896
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
川畑 光希 大阪大学, 産業科学研究所, 助教 (20910053)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| キーワード | テンソル分解 / 時系列解析 / Graphical Lasso |
|---|
| 研究実績の概要 |
本研究の目的は、IoTデバイスやWebオンライン活動等様々なドメインで得られるテンソルデータストリームを解析し、将来予測や分類タスクに関係する時系列パターンを自動かつ高速に抽出するアルゴリズムの開発である。本年度は、多次元時系列データから変数間のグラフ構造を推定する技術を発展させ、時系列テンソルを複数のグラフ構造を用いて表現する新たなモデルを開発した。提案手法は従来手法に比べ簡潔なグラフ構造を出力するため、高次元データに潜む変数間の関係性の解釈が容易であり、関係性の変化点を自動的に求めることができる。本研究成果は、Web分野のトップ国際会議であるWWW 2024への採録が決定し、国際的に高く評価された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度は、多次元時系列データから変数間のグラフ構造を推定する技術を発展させ、時系列テンソルを複数のグラフ構造を用いて表現する新たなモデルを開発した。提案手法は従来手法に比べ簡潔なグラフ構造を出力するため、高次元データに潜む変数間の関係性の解釈が容易であり、関係性の変化点を自動的に求めることができる。本研究成果は、Web分野のトップ国際会議であるWWW 2024への採録が決定し、国際的に高く評価された。
|
| 今後の研究の推進方策 |
本年度に開発したテンソルデータの構造化モデル、およびその推定アルゴリズムはデータを解釈しやすいパターンの集合へと効率的に分割し、異常検知や予測等に対し有用な分割数を自動的に決定することができる。実験では、センサデータを用いた故障予測タスクにおいて、故障までの時間を正確に予測するとともに、故障発生に寄与している時系列パターンの抽出に成功している。今後は提案モデルを一般化するため、異なるドメインのデータを収集し、提案モデルの有効性を評価する。
|
