【研究領域課題番号】21H04376 (KAKENデータベースで見る）

【研究キーワード】

地域研究 / 計量的分析 / 時空間情報処理 / 機械学習 / ビッグデータ

【研究種目】基盤研究(A)

【研究期間】2021-04-05 - 2026-03-31

【配分額】41,470千円 (直接経費: 31,900千円、間接経費: 9,570千円)

【研究領域課題番号】20H00292 (KAKENデータベースで見る）

【研究キーワード】

強震動 / 地震ハザード / 機械学習 / 地震動予測式 / 観測記録 / シミュレーション / ビッグデータ

【研究成果の概要】

(1)強震観測記録の地震動強さ指標，震源情報，サイト情報をデータベース化した「強震動データベース」の回帰分析による地震動予測式(GMM)構築のため，次のような検討を行った．まず，強震動データベースによる観測値と既往のGMMの予測値の差を取った「残差データ」を作成し，地震規模や震源距離などとの関係を検討することにより，地震動予測結果のばらつきを低減するための補正項を導出した．また，強震動データベースに基づく地震動予測ニューラルネットワークについて，観測点特性を学習するモデルおよび伝播経路を特定したモデルの構築を行った．
(2)予測地点を特定したGMMによる"点の予測"から"面の予測"に展開することを目的として，Deep inpainting と空間分布マッピングの組み合わせによる地震動データの空間補間方法の手法開発を行った．
(3)地震動の地盤増幅特性に関する人工知能構築に必要となるシミュレーションデータを生成するための，非構造有限要素による地盤増幅シミュレーション手法の開発を行った．具体的には，人工知能構築時にキーパラメータとなる地盤パラメーラを入力とした液状化を対象としたGPUによる高速な地盤増幅解析手法を開発し，人工知能構築に必要となるシミュレーションデータを大量生成可能な手法を構築した．また，波動方程式のシミュレーションデータを用いた人工知能の性能を高めるために，生成データの性質について議論を行った．

【研究種目】基盤研究(A)

【研究期間】2020-04-01 - 2023-03-31

【配分額】42,640千円 (直接経費: 32,800千円、間接経費: 9,840千円)

【研究領域課題番号】20H01482 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 時系列モデル / 経済予測 / ビッグデータ / マクロ政策評価 / 非構造化データ

【研究成果の概要】

初年度は主に次の3つの分析で進展があった。
1番目に研究計画の根幹となっている、ニューラルネットワークを含む機械学習手法と主成分分析で抽出された動学的な共通因子を組み合わせるマクロ時系列データ予測研究で、まず大規模な構造化データを用いる場合の次元縮約の最適な枠組みを検討し、実証分析に応用した。
2番目に非構造化データを用いたマクロ経済予測の実証分析では、新聞テキストデータを用いて我が国のインフレ率予測のモデルを構築した。また賃金インフレ率の予測については、賃金の下方硬直性を考慮した予測モデルを提案し、将来の賃金インフレ率の上昇の可能性を指摘した。
3番目にDouble/debiased Machine Learning (DML)推定量の割り当て選択式にOutcome Adaptive Lasso (OAL)による傾向スコア推定を利用することで、推定性能を向上させたDML推定量の拡張を提案した。

【研究種目】基盤研究(B)

【研究期間】2020-04-01 - 2023-03-31

【配分額】17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)

【研究領域課題番号】19K04914 (KAKENデータベースで見る）

【研究キーワード】

データ解析プラットフォーム / ビッグデータ / 機械学習 / 協調フィルタリング / データ解析 / 解析プラットフォーム

【研究成果の概要】

本研究ではデータを持ち出さずに解析を行うプラットフォーム（DAPF）の構築並びにその効果的な運用方法の提案を目的の一つとしている．現在までにクラウドを用いたDAPF（CDAPF），並びにオンプレミスによるDAPF（ODAPF）のそれぞれの構築が完了している．またCDAPFに関しては実運用を開始しており，現在みずほ銀行の実データの解析を行う3つのプロジェクトを実施している．これにより，DAPFの持つべき機能やセキュリティ等が明らかになってきている．またCDAPFについては2021年度に新たにVPN接続を可能にすることにより，大学外からセキュアにデータ解析を可能とした．さらにデータ持ち出しを防ぐためのチェック要件定義を行い，運用の効率化の実施を提案した．
また顧客の消費行動に対するビジネス価値創造のための機械学習に関して，昨今説明性が大変重要になってきている．具体的にはデータの構造推定結果や予測関数の意味などが分析者に理解できる説明性が求められてきている．2021年度はこの説明性に着目して，回帰並びに分類というプリミティブな問題に対して，回帰木（あるいは決定木）に対する生成モデルを設定し，この生成モデルにおけるベイズ最適な予測を決定関数として出力する方法を示し，さらにこれにブースティングを適用することにより，非常に複雑な問題にも良好な性能を示す手法を提案した．この手法は一般化加法モデルの一種となることを示すことができ，説明性を担保することが可能である．これによって時系列の影響を可視化することが可能であり，非定常な場合に拡張が可能になっている．
さらに，ディープラーニングを含む多値分類手法の複数の2値分類器の組合せで行われているが，これを効果的に行う誤り訂正出力符号(ECOC)が提案されている．この手法に対して理論的に最適な符号の構成，並びにその理論的な性能解析を行なった．

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究領域課題番号】19K12115 (KAKENデータベースで見る）

【研究キーワード】

最適化 / 多様体 / 確率的勾配法 / 最適輸送問題 / Wasserstein距離 / リーマン多様体 / 深層学習 / 機械学習 / 多様体最適化 / ビッグデータ / 非線形非凸

【研究成果の概要】

本研究では，ビッグデータを用いた実応用における品質精度と処理量効率性の大幅な向上を達成することを目指してリーマン多様体最適化手法に着目し，スケーラブルな非線形非凸多様体最適化手法について研究した．幾何的（多様体）制約付き深層学習のための深層学習確率的勾配法，二次最適性を実現する非厳密信頼領域，またそれらの応用について研究した．さらに，最適輸送問題の最適化手法とその応用について研究した．

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2022-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究領域課題番号】19K12201 (KAKENデータベースで見る）

【研究キーワード】

深層学習 / 心電図 / 医療AI / 診断支援 / 機械学習 / 心電図自動解析 / 早期リスク検知 / ビッグデータ / 心臓超音波検査

【研究成果の概要】

本研究は、既存の心電図計による所見自動付与の精度向上のため、深層学習を用いた心電図波形自動解析手法を開発することを目的としている。
昨年度まで、東大病院の循環器内科をを受診した患者を対象とし、研究代表者らがこれまでに開発してきた標準12誘導心電図波形に対するCNNを用いた自動解析手法である One-Shot Screening手法の改良を行ってきた。提案手法は、心拍毎にカットし重ね合わせた波形画像を12誘導それぞれに対してCNNで学習し、第2段階目で全ての誘導を統合して判定する、というフレームワークを基本としている。これまで、正常・異常の2値分類タスクで正解率87%、また重症度の高い所見、あるいは 境界域異常所見では高精度に判定可能である、という結果を得ているが、様々なモデルの違いによる大幅な精度向上は見られず、2値分類タスクという点では、一定の精度の限界を迎えたと考えられた。そこで本年度は、あらゆる種類の所見を対象とするのではなく、左室肥大などの個別所見に対する学習モデルの開発を行った。全12誘導の波形画像とそれらの重ね合わせの仕方(左・中央・右寄せ) によって36種類の画像が入力候補となるが、全てをCNNに通した結果を統合するモデルではGPUメモリの限界のため計算が行えない。そこで、左室肥大など個別所見の予測へ寄与度が高かった上位12種類の画像のみに絞ったモデルを作成することで、１つのモデル内で対象波形画像の情報を全て統合し学習することが可能となった。また各種ハイパーパラメータ調整により正解率96%、F1値0.70まで精度が向上してきている。次に心電図計による自動付与所見ではなく、心臓超音波検査データによる診断結果を正解データとした再学習については、新型コロナ禍の影響にて中途で研究の進捗が遅れ、十分に完了しなかった。延長を経た最終年度でモデルの完成へ進む予定である。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究領域課題番号】19K04946 (KAKENデータベースで見る）

【研究キーワード】

避難行動 / 物的被害 / グラフニューラルネットワーク / データ同化 / シミュレーション / ビッグデータ / 機械学習 / 防災・減災 / 大地震 / リアルタイム予測 / リアルタイム推定 / 避難シミュレーション

【研究成果の概要】

2020年度には，Gretel [Cordonnier et al. 2019]と呼ばれるグラフニューラルネットワーク（GNN）モデルと，データ同化手法の一つであるパーティクルフィルタを統合した，データ駆動型の新たな避難者分布予測モデルを提案した。
2021年度は，上述の避難者分布予測モデルを改良するとともに，擬似的な観測避難者分布の生成に用いていているエージェントベースシミュレーションの結果と比較することで，主に計算時間と予測精度の観点からモデルの有用性を検証することを試みた。
具体的には，第一に，2020年度時点では十分に考慮できていなかった時刻情報を考慮できるよう，入力データの仕様や計算プログラムの改良を行った。時刻情報は，データ同化を行うにあたって重要であるため，発生からの経過時間に応じた道路閉塞状況のみならず，各避難者の位置情報も時刻情報とセットで扱うようにした。加えて，ベースとして用いているGretelは局所的な状況に基づき将来予測を行うものであるが，この特性は目的地（避難場所）をもって行動する避難行動とは乖離がある。そこで，道路ネットワーク上の各交差点（ノード）から各避難場所までの距離をノードの特徴量として組み込むことで，より大局的な避難行動の傾向を考慮した予測を可能とすることを目指した。
また，GNNに学習させる避難行動軌跡数やデータ同化で用いるパーティクル数と，計算コストや予測精度との関係を分析し，リアルタイム予測に求められる要件や期待できる精度について検討を試みた。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究領域課題番号】18H03334 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / ビッグデータ / 創薬 / 人工知能 / 難治性疾患

【研究成果の概要】

本研究では、医薬ビッグデータと人工知能(AI)の基盤技術である機械学習を用いた創薬を実現するための情報基盤技術を構築する。医薬品、植物、食品成分などの化合物に関する情報、遺伝子、タンパク質、糖鎖など生体分子に関する情報、難治性疾患に関するオミックス情報やSNPなどのゲノム情報を基に、グラフ畳み込みニューラルネットワークや再帰的ニューラルネットワークの枠組みで、化合物の標的タンパク質プロファイルを予測するためのモデルを構築した。化合物の化学構造の適用範囲を考慮したアルゴリズムも構築した。最終的に、悪性リンパ腫と嚢胞性線維症に対して、医薬品候補化合物を網羅的に予測し、予測結果の一部を検証した。

【研究の社会的意義】

疾患治療に有用な化合物の同定は、人類の医療やヘルスケアにとって最重要課題である。現在でも有効な治療法が無い難治性疾患や希少疾患は多く、疾患に苦しむ患者に対する迅速な救済措置が必要である。しかしながら、最近の新薬開発は低迷しており、新薬を一個開発するのに数千億円の研究開発費と10年以上の歳月を要すると云われている。本研究では、医薬ビッグデータと人工知能(AI)の基盤技術である機械学習を用いた創薬「AI創薬」を提唱し、それを実現するための機械学習手法の研究開発を行なった。深層学習の予測モデルを構築し、医薬品候補の化合物を情報化学的にスクリーニングする技術基盤を構築することができた。

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2021-03-31

【配分額】17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)

【研究領域課題番号】18K11512 (KAKENデータベースで見る）

【研究キーワード】

感性的質感 / 機械学習 / 画像生成 / テクスチャ / CNN / ビッグデータ

【研究成果の概要】

本研究では，テクスチャを対象とし，所望の視覚に関する感性的質感を有する画像生成手法を提案した．はじめに，(1) 主観評価実験を行い，感性的質感の定量化を行った．次に，(2) 事前学習済みの VGG19 を用いてスタイル特徴を抽出した．その後，(3) 定量化された感性的質感と抽出したスタイル特徴との関係性を定式化することで感性評価モデルを構築した．最後に，(4) 得られたモデルに基づき，所望の感性的質感を誇張した際のスタイル特徴を算出し，最適化を行うことで画像を生成した．更に，効果検証実験により生成画像の感性的質感が元画像と比較し有意に向上したことを確認し，本手法の有効性を示した．

【研究種目】基盤研究(C)

【研究期間】2018-04-01 - 2022-03-31

【配分額】4,030千円 (直接経費: 3,100千円、間接経費: 930千円)

【研究領域課題番号】18H03758 (KAKENデータベースで見る）

【研究キーワード】

流体力学 / 乱流 / ビッグデータ / 機械学習 / 低次元モデル

【研究成果の概要】

本研究の目的は、機械学習技術を「乱流ビッグデータ」に適用することにより、線形理論だけでは抽出できないが乱流の自己生成維持機構の本質である非線形モードを抽出し、その時間発展方程式を導出することにより、新たな非線形特徴抽出手法を構築することである。本研究では畳み込みニューラルネットワークに基づく自己符号器を用いて、高次元の流れ場情報を低次元の潜在変数に圧縮することにより特徴抽出を行い、その潜在変数の時間発展を支配する方程式をスパース回帰法を用いて導出した。この手法は円柱周りの非定常流などに対しては十分な精度での特徴抽出を行える一方、乱流に対してはさらなる低次元化の必要性が示唆された。

【研究の社会的意義】

本研究では、完全な流れ場データの低次元化による物理的理解にとどまらず、未知の物体周りの流れの予測や不十分なデータからの予測など、流体力学の諸問題への機械学習の応用が大きな可能性を有していることを示した。本研究の成果は、理論、実験、数値シミュションに続く「第４の流体力学」である「データ駆動流体力学」の基盤整備に貢献し、支配方程式・構成方程式が確立されていない流れ場データへの応用の可能性を示唆するものである。

【研究種目】基盤研究(A)

【研究期間】2018-04-01 - 2021-03-31

【配分額】45,370千円 (直接経費: 34,900千円、間接経費: 10,470千円)

【研究領域課題番号】18H04155 (KAKENデータベースで見る）

【研究キーワード】

HEMS / スマートメーター / 太陽光発電 / 異常検知 / LCA / ビッグデータ / AI / 深層学習 / カーボンニュートラル / ライフスタイル / IDEA / 敵対的生成学習 / 電力 / 実験経済学 / 意思決定 / Deep Learning / 機械学習 / 行動変容 / ディープラーニング / インベントリデータベース / パリ協定

【研究成果の概要】

2050年までにカーボン・ニュートラル社会を実現するため、特に排出削減が難しい家庭部門の温室効果ガス排出削減のための手法開発を目指した研究を実施した。
家庭のエネルギー消費削減には、家庭内でどのような形態によってエネルギー消費が行われているか、すなわちライフスタイルを明らかにする必要があった。そこで本研究では、HEMS/スマートメータといったIoTセンシングによって得られた約6万世帯、20億レコードの家庭電力消費ビッグデータを活用した。近年急速に発展する深層学習アルゴリズムを開発し、分析を行うことで、消費電力量のみから家庭の属性や生活パターンを分析する手法を開発した。

【研究の社会的意義】

家庭内消費電力データを分析することで、複数の制度においてその制度の意図と異なる行動が発生していることを示唆する結果を得た。太陽光売電制度においては、節電インセンティブが存在するとされていた余剰売電制度の方が、節電インセンティブが存在しない全量売電制度よりも、実際の家庭内消費電力量が増大していることをビッグデータによって示した。さらに、このような事象が発生した原因を行動経済学の知見に基づいてリバウンド効果として学術的に説明を行った。
今後さらに強く求められる家庭内エネルギー消費削減に必要となる様々な社会制度設計において、家庭電力消費ビッグデータの活用が有効であることを示した。

【研究種目】基盤研究(A)

【研究期間】2018-04-01 - 2022-03-31

【配分額】42,900千円 (直接経費: 33,000千円、間接経費: 9,900千円)

【研究分野】知能情報学

【研究領域課題番号】17H00758 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 統計科学 / 材料科学 / 生物化学 / 医療科学 / Post-Selection Inference / 生物科学 / Selective Inference / ビッグ・データ / ビッグデータ

【研究成果の概要】

さまざまな科学研究の分野で研究対象に関する膨大なデータが計測できるようになった．このようなデータに基づいて科学的発見を目指すアプローチはデータ駆動型科学と呼ばれている．データ駆動型科学では，データに基づいて仮説を選択するが，データにとって都合のよい仮説が誤って選択されるリスクがあり，適切に信頼性評価を行わなくてはならない．本研究では，選択的推論と呼ばれる技術を用いて，材料，生物，医療分野におけるデータ駆動型仮説の信頼性評価を行う方法を確立し，その実証を行った．

【研究の社会的意義】

研究対象から得られるデータに基づいて科学的発見を目指すアプローチはデータ駆動型科学と呼ばれ，さまざまな分野で有望視されている．しかしながら，データから仮説を選択する際に選択バイアスが生じてしまい，特に，誤った意思決定が重大なリスクとなる分野においては，データ駆動型仮説の信頼性評価が不可欠である．本研究ではデータ駆動型仮説の信頼性評価を行うための方法論を確立し，これをさまざまな分野で実証した．本研究の成果は健在なデータ駆動型科学の発展に寄与するものである．

【研究種目】基盤研究(A)

【研究期間】2017-04-01 - 2021-03-31

【配分額】42,510千円 (直接経費: 32,700千円、間接経費: 9,810千円)

【研究分野】情報社会におけるトラスト

【研究領域課題番号】17KT0157 (KAKENデータベースで見る）

【研究キーワード】

医用人工知能 / トラスト / ELSI / プライバシー / AI / 診断補助 / 医療機器 / 信頼 / 機械学習 / ビッグデータ / 人工知能 / 医学 / 医療

【研究成果の概要】

第二次人工知能ブーム以来の議論として、医用人工知能のトラストに関連する課題がある。米国の後追いをする形で日本においても医用人工知能の社会実装が進みつつある。厚生労働省通知によれば、現時点での医用人工知能を用いた医療機器は、あくまで診療補助を行う機器であり、医行為に対する責任は医師にあるものとの整理がなされている。
本研究では、こうした過去・現在、国内外の状況に関する整理を行い、AIに対するトラストに関する医師に対してのアンケート調査等を行い、医療AIに関するタイプ分類を作成するとともに、医用人工知能に関するセミナーシリーズを開催し、政策提言の取りまとめを行った。

【研究の社会的意義】

本研究では、医用人工知能（医療AI）のシステムのタイプ分類を作成し、具体的なシナリオを用いて医療従事者に質問紙調査を行った。医師の医療AIに対する期待は高いものの、具体的にどのような利用法が求められているのかに関しては、あくまで医師の判断の見落とし防止などとなるタイプBの需要が高いことが結果から示唆された。
今後医療AIの性能や位置づけが変化するにしたがって、この考え方も変化することが想定される。また、医療AIシステムが提示する説明に医師が納得できるかという「納得」よりも、従来の医療機器と同様に、有用性や安全性が重要であることが示唆された。
これらをふまえ、社会実装に向けた政策提言も作成した。

【研究種目】基盤研究(C)

【研究期間】2017-07-18 - 2021-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)

【研究分野】ウェブ情報学・サービス情報学

【研究領域課題番号】17H01821 (KAKENデータベースで見る）

【研究キーワード】

インターネット / ウェブサービス / 進化理論 / 自己組織的臨界状態 / Big Data / OEE / ソーシャルメディア / ビッグデータ / Yule Simon / タグ / ウェブデータ / 進化 / Price方程式 / ウェブ / 新規性 / オープンエンド / 生態系 / STS / 進化ダイナミクス / 機械学習 / 人工生命 / タグの進化 / 人工知能 / ソフトコンピューティング / 自己組織化

【研究成果の概要】

ウェブサービスが臨界状態（一つの投稿が大きく波及するような）に向かって進化していることを示した。それと同時にユーザーグループが特徴的な集団構造をつくっていくように観測できた。タグをつけるサービスどうしを比較し、簡単な数理モデル（Yule-Simonモデル）とでは説明できない現象を見い出した。ウェブの「意味」の創出は、新しいタグの進化ではなく、タグどうしの組み合わせの進化にある。特に投稿間に親子関係を持ち込むｊことで、400週に及ぶデータの進化系譜を描き、それを解析した。

【研究の社会的意義】

インターネットは、人が作った進化する複雑な人工物の代表例です。人というユーザーがインターネットの動きを個別には作っているが、全体の動態はよくわからないものです。われわれはこのシステムの大規模なデータの解析を行い、それが簡単な数理モデルでは表せないことや、進化系統樹を描く解析を行うことで、進化という視点を生物以外にも拡張して論ずることに成功しました。これは、新しい学問領域を創発させたといえるでしょう。社会的にも、インターネットとはないか、という視点を更新し、進化論というのがけっして狭い生物だけの話ではなく、拡張して考えられることを普及させるのは大事なことだと考えています。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】15,860千円 (直接経費: 12,200千円、間接経費: 3,660千円)

【研究分野】地域研究

【研究領域課題番号】16H01897 (KAKENデータベースで見る）

【研究キーワード】

地域間比較研究 / 地域の知 / 地域情報学 / ビッグデータ / オントロジー / 機械学習 / 地域情報 / 計量分析

【研究成果の概要】

本研究では３課題６テーマを設定した。課題１『地域の知ビッグデータ共有基盤の構築研究』では、(1)既存地域研究データのLinked Open Data化、(2)Webデータのクローリング、(3)データの高度連携を指向した地名辞書の構築とオントロジー化、(4)地域研究データの共有を目指した国際共同研究の推進とデータベースの試作を行った。課題２『情報分析手法と支援ツールの開発』では、(5)自然言語処理や機械学習技術を応用しWebビッグを対象に、主題抽出、緯度・経度推定から可視化までを自動化した。課題3『地域をデザインする地域研究の推進』では、(6)課題２の成果のラテンアメリカ研究への適用を試みた。

【研究の社会的意義】

Linked Open Dataの利用により所蔵データと海外データの連係を試みて新しい人文学データ共有基盤の可能性を示すことができた。多様な人文データを結合する基盤知識として地名データ（緯度・経度の辞書）を整備・構築して人間文化研究機構より公開した。データ共有基盤の地域研究への応用として人文学研究資源の所在目録をアジアの主要大学の図書館・図書館等との国際協働研究により構築した。Web新聞データを対象として、自然言語処理による地名同定およびTopic分析による内容分類を組み合わせて、記事を内容別・地域別・時間別に可視化するツールを開発し、大量な地域研究データの新しい利用法への可能性を示した。

【研究種目】基盤研究(A)

【研究期間】2016-04-01 - 2020-03-31

【配分額】45,500千円 (直接経費: 35,000千円、間接経費: 10,500千円)

【研究分野】数理情報学

【研究領域課題番号】16K00031 (KAKENデータベースで見る）

【研究キーワード】

最適化 / リーマン多様体 / 確率的勾配法 / テンソル / 大規模データ / 最適化理論 / 機械学習 / ビッグデータ / 多次元データ解析 / テンソル解析 / 行列解析 / 確率的学習 / オンライン学習 / 高次元大規模信号 / リーマン多様体最適化 / スケーラブル最適化 / オンライン最適化

【研究成果の概要】

微分多様体において，高次元テンソルを分解表現する行列に対する直交性などの制約と，目的関数の二乗誤差特性及び要素行列による対称性等に着目し，新たなリーマン計量を提案した．この新しい幾何空間を用いた最適化アルゴリズムを提案し，再現誤差と収束速度の観点で，従来手法に対する優位性を示した．また，微分多様体上の確率的勾配法に着目し，フル勾配と確率的勾配をハイブリッドした手法を用いることで収束性を向上する手法について複数検討し，これら手法の収束性についても理論的証明を与えた．

【研究種目】基盤研究(C)

【研究期間】2016-04-01 - 2020-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)

【研究分野】社会システム工学・安全システム

【研究領域課題番号】26282090 (KAKENデータベースで見る）

【研究キーワード】

ビジネスアナリティクス / 大規模データ / ビッグデータ / マーケティングモデル / 経営情報分析 / レコメンデーション / 経営工学 / 統計モデル / Webマーケティング / 機械学習

【研究成果の概要】

本研究では，大規模かつ多様なビジネスデータの分析技術（ビジネスアナリティクス）の体系化と深化を研究の目的とし，様々なビジネスデータに対応した分析モデルの提案と評価を行った．具体的には，１）ECサイトのデータベース情報を対象とした情報分析技術の開発，２）テキストデータとして蓄積されるマーケティング情報の分析技術の開発，３）情報推薦のための統計モデルの開発，４）情報検索や推薦の技術を活用したWebマーケティングモデルの理論解析，５）高次元かつ疎な大規模データを対象とした分析手法の開発，６）プライバシー保護データ解析の方法論の開発，などの個別研究課題を軸として研究を推進した．

【研究種目】基盤研究(B)

【研究期間】2014-04-01 - 2017-03-31

【配分額】15,730千円 (直接経費: 12,100千円、間接経費: 3,630千円)

【研究分野】知能情報学

【研究領域課題番号】26730114 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 凸最適化 / スパース学習 / 大規模学習 / SVM / データマイニング / ビッグデータ / 国際情報交換

【研究成果の概要】

本研究では第一にSVMやロジスティック回帰などを包含する正則化付き経験リスク最初化問題について、複数のプロセスが非同期的に動作することで最適化を行うことができるスキームを提案、効率的な分散学習が行えることを理論・実験の両面から示した。
第二に、従来では数TBのデータを用いなければ学習できないスパース学習について、扱うデータ量を抑えながらスパース学習が可能であるスキームを提案した。提案手法はテキストデータやDNA配列データなどでは部分文字列の特徴量を用いた学習に関して、接尾辞配列などの効率的なデータ構造を用いる事によって、部分文字列に対応する特徴を効率よく抽出する事が可能であることを示した。

【研究種目】若手研究(B)

【研究期間】2014-04-01 - 2018-03-31

【配分額】3,770千円 (直接経費: 2,900千円、間接経費: 870千円)

【研究分野】知能情報学

【研究領域課題番号】26240036 (KAKENデータベースで見る）

【研究キーワード】

オントロジー / インテリジェントサービス / テキストマイニング / 知能ロボット/ / ワークフロー / 機械学習 / プランニング / 人型ロボット / 製品組立作業 / スマートグラス / 故障診断 / 業務ルール / 人工知能サービス / 深層学習 / 系列パターン評価指標 / Linked Data / ドライバー行動 / 自律的作業改善 / ビッグデータ

【研究成果の概要】

オントロジーとデータマイニングに基づくインテリジェントサービス開発基盤を設計，実装，評価するために，(1)ビッグデータからパターンライブラリをマイニングする系列DM/TMモジュール，(2)ローカルリンクトデータ生成器，(3)リンクトデータクラウド生成器，(4)オントロジーアライメントモジュール（＋アプリケーションオントロジー生成器），(5)AIタスク合成器を個別に設計し実装した後，それらの成果物をインテリジェントサービス開発基盤として統合する。
さらに、行政支援，自動車運転支援，知能ロボットによる作業支援、教育支援サービス、スマートグラスによる作業支援を通して評価し、良好な結果を得た。

【研究種目】基盤研究(A)

【研究期間】2014-04-01 - 2018-03-31

【配分額】41,990千円 (直接経費: 32,300千円、間接経費: 9,690千円)

【研究分野】土地・住宅・不動産研究

【研究領域課題番号】26504015 (KAKENデータベースで見る）

【研究キーワード】

不動産市場 / テキストマイニング / 社会動学 / 不動産投資信託投資口価格 / 社会的動学 / 資産市場 / 集合的記憶 / 機械学習 / ビッグデータ / 株式市場 / 情報の伝播の構造 / 信念の更新のメカニズム

【研究成果の概要】

不動産市場に関する新聞記事のニュースが、将来のファンダメンタルズおよび価格に関する投資家の信念の形成に与える影響を分析し、不動産株価と大量の新聞記事の間に因果関係を見いだすためのテキストマイニングの方法を提案した。また、この方法を用いて、現在の不動産価格ブームが持続可能なものであるのか、あるいはいずれバーストするものであるのかのナウキャスト(Now Casting)の可能性を示した。

【研究種目】基盤研究(C)

【研究期間】2014-04-01 - 2017-03-31

【配分額】5,200千円 (直接経費: 4,000千円、間接経費: 1,200千円)

【研究分野】基礎看護学

【研究領域課題番号】26870134 (KAKENデータベースで見る）

【研究キーワード】

医療安全 / 患者転倒 / リスクアセスメント / 看護管理 / データ二次利用 / 機械学習 / 看護必要度 / 入院中の転倒 / ビッグデータ

【研究成果の概要】

看護師が電子カルテに入力する日々の看護必要度データと患者属性情報のみにより、患者がある日に転倒するかどうかを予測するモデル、FiND (Find Fall risk of inpatients From Nursing Data）を構築した。病棟別のFiNDによるハイリスク予測患者数と転倒発生件数の相関が高いことから、FiNDにより病棟毎あるいは院内全体の転倒指標を構築できる可能性があると考える。

【研究種目】若手研究(B)

【研究期間】2014-04-01 - 2016-03-31

【配分額】1,300千円 (直接経費: 1,000千円、間接経費: 300千円)

【研究分野】統計科学

【研究領域課題番号】25730013 (KAKENデータベースで見る）

【研究キーワード】

構造的正則化 / テンソルモデリング / ベイズ推定 / 再生核ヒルベルト空間 / ガウシアンプロセス / 確率的最適化 / 高次元統計 / 統計的学習理論 / 機械学習 / 統計的学習 / 深層学習 / スパース推定 / 確率密度比 / ビッグデータ / 低ランクテンソル推定 / 交互最適化 / 交互方向乗数法 / ガウシアンプロセス事前分布 / ベイズ統計 / 交互方向定数法 / 低ランク行列

【研究成果の概要】

近年あらゆる分野において扱うデータは急速に大規模化している．また 同時に，巨大なデータは内在的に多様な構造を有するようにもなってきている．そのような多量かつ多様なデータを扱うため，構造的スパース性に着目し，それを利用した推定方法を体系的に提案・分析した．そのため，構造的正則化学習と呼ばれる学習方法を高速に解くための確率的最適化手法として，確率的交互方向乗数法を提案した．また，テンソルモデリングと呼ばれているデータ間の関係性を記述するモデルを考察し，ミニマックス最適性と呼ばれる統計的な最適性を満たす推定量を構築した．以上の研究トピックを通して理論から応用まで包括的な研究を行った．

【研究種目】若手研究(B)

【研究期間】2013-04-01 - 2018-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究分野】情報学基礎理論

【研究領域課題番号】25280002 (KAKENデータベースで見る）

【研究キーワード】

アルゴリズム / ビッグデータ / 検索 / タンパク質立体構造 / 次世代シークエンサー / バイオインフォマティクス / データ検索 / 機械学習

【研究成果の概要】

統計的モデルにもとづく全く新しいアルゴリズム設計パラダイムであるＳＭＡＤに基づき、タンパク質立体構造データベースを中心とした様々なデータベース上での高速なビッグデータ検索技術の研究開発の実現、およびそれらを活用した応用アルゴリズムの実現をめざして研究を行った。その結果、タンパク質機能予測などを精度を落とさずに高速化することに成功したほか、より幅広いタンパク質立体構造検索の高速検索も実現した。また、次世代シークエンサーデータの解析アルゴリズムなどでも新たな解析手法などを開発することに成功した。

【研究種目】基盤研究(B)

【研究期間】2013-04-01 - 2017-03-31

【配分額】10,400千円 (直接経費: 8,000千円、間接経費: 2,400千円)

【研究分野】高性能計算

【研究領域課題番号】25540045 (KAKENデータベースで見る）

【研究キーワード】

環境可視化 / ビッグデータ / 半構造映像データ / 抽象化階層 / 人称変換 / 深度付カメラ / 裸眼立体視 / 情動 / パブリックディスプレイ / ジェスチャ認識 / 機械学習

【研究成果の概要】

本研究では，ビッグデータ時代に向けた環境可視化システムのラピッドプロトタイピングを実施した．そこでは，実社会で日夜生成され続けている映像データに隠されている半構造情報に着目し，その抽象化階層を入れ子グラフ構造に変換する．そして，オーディエンスの視線やジェスチャを深度付きカメラを用いて追跡し，そこから情動の変化を無意識的に捉え，レイヤを上下移動する人称変換の適応的制御を可能とする．この階層的ブラウジングと簡易立体視表示を利用すれば，デジタルサイネージ前やSNS越しにいるオーディエンスに対しても，的確に対象世界の全体像を把握し，即時に効果的な行動を起こせるような強力な支援を実現できると考えられる．

【研究種目】挑戦的萌芽研究

【研究期間】2013-04-01 - 2015-03-31

【配分額】3,640千円 (直接経費: 2,800千円、間接経費: 840千円)

【研究分野】知能情報学

【研究領域課題番号】24650064 (KAKENデータベースで見る）

【研究キーワード】

プライバシー保護 / データマイニング / 差分プライバシー / ビッグデータ / 個人情報保護 / データベース / 匿名化 / 相関 / 個人情報 / 機械学習 / 雑音

【研究成果の概要】

プライバシー保護データマイニングのひとつである差分プライバシーは有望な方法であるが、データベースのレコード間に相関がある場合の分析があまり進んでいなかった。本研究では、相関がある場合に従来の差分プライバシーを適用した場合、データ入手を狙う攻撃者が相関に関する背景知識を少なく持っているほうが、流出する情報が大きいという直感に反する状況を明らかにし、この状況を改善するために背景知識も考慮したベイズ型差分プライバシーの数理モデルを確立した。この数理モデルにおいて情報漏洩の確率を与えられた閾値以下にする加算すべきラプラス雑音のパラメタを求める近似的アルゴリズムを示した。

【研究種目】挑戦的萌芽研究

【研究期間】2012-04-01 - 2014-03-31

【配分額】3,900千円 (直接経費: 3,000千円、間接経費: 900千円)

【研究分野】知覚情報処理・知能ロボティクス

【研究領域課題番号】24680017 (KAKENデータベースで見る）

【研究キーワード】

画像認識 / コンピュータビジョン / 機械学習 / 人工知能 / ビッグデータ / パターン認識

【研究成果の概要】

本研究の目的は，膨大な画像データとテキストデータから，それらの関係性を統計的に学習し，超多クラスの一般的物体認識可能なシステムを構築することにある．この実現には，１）膨大なデータであっても破たんすることなく学習し続けられる手法が重要となる．また，２）複数の物体が存在しても，どこに何があるのか検出する手法も重要となる．３）一般的に教師データ作成の人的コストは高く，この学習データ構築コストを減らすことが，正確かつ多様な物体認識に重要となる．さらに，４）分からないものが分かる技術は，自律的に学習していく認識システムに必要不可欠である．本研究課題では，上記１）～４）に関して取り組み成果を得た．

【研究種目】若手研究(A)

【研究期間】2012-04-01 - 2015-03-31

【配分額】26,520千円 (直接経費: 20,400千円、間接経費: 6,120千円)

【研究分野】知能情報学

【研究領域課題番号】23240019 (KAKENデータベースで見る）

【研究キーワード】

情報論的学習理論 / データマイニング / 潜在的ダイナミクス / 機械学習 / ビッグデータ / 変化検知 / 潜在変数モデル / 潜在的ダイナミックス / モデル選択 / 異常検知 / ネットワーク

【研究成果の概要】

大量のデータから価値ある情報を抽出するデータマイニング技術はますます重要になっている。従来技術では、データの表層的な関係性を抽出することが主であった。しかし、実際には、データの表面に現れない潜在的情報の動きを発見することが、より重要な知識発見をもたらす。そこで、本研究では、データに内在する潜在的情報とその変化（これを「潜在的ダイナミクス」と呼ぶ）を抽出するための技術の数理的基盤を構築した。特に、記述長最小原理に基づく情報論的学習理論の立場から統一的な理論体系を構築した。この理論を実際のデータ（セキュリティ、SNS、マーケティング、医療、教育等）に適用して、実世界での有効性を検証した。

【研究種目】基盤研究(A)

【研究期間】2011-04-01 - 2016-03-31

【配分額】47,060千円 (直接経費: 36,200千円、間接経費: 10,860千円)

【研究分野】感性情報学・ソフトコンピューティング

【研究領域課題番号】20240020 (KAKENデータベースで見る）

【研究キーワード】

情報統計力学 / 可視化 / 次元圧縮 / クラスタリング / ビッグデータ / イメージング / 潜在構造 / ベイズ推論 / 機械学習 / イメージングデータ / マルコフ確率場 / 潜在構造推定 / 連想記憶モデル / モンテカルロ法 / パリティー検査符号 / CDMA / SAT / 大規模データ

【研究成果の概要】

本研究の目的は，経験や学習から形成されるヒトの心の中の描像を，数値計算や計測のデータから客観的手法で可視化する手法を研究することである．具体的には，情報科学と計算機科学での描像を，物理学のスピン系で発展した手法を用いて可視化する．脳の記憶のモデルである連想記憶モデルをテストケースとして，シナプス抑圧の影響，K-SAT問題，量子揺らぎの性質解明など，様々な事例において，描像の可視化を行った．

【研究種目】基盤研究(A)

【研究期間】2008-04-08 - 2013-03-31

【配分額】47,320千円 (直接経費: 36,400千円、間接経費: 10,920千円)