複合ＩｏＴビッグデータを用いた個人適応型支援システムの開発

利用复杂的物联网大数据开发个体自适应支持系统

基本信息

批准号：
17J11668
负责人：
本田崇人
金额：
$ 1.79万
依托单位：
Kumamoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2017
资助国家：
日本
起止时间：
2017-04-26 至 2020-03-31
项目状态：
已结题

项目摘要

本年度では、昨年までに開発した技術をさらに発展させ、大規模IoTセンサデータから重要な特徴を抽出し、将来イベントを予測する技術を開発した。具体的には、提案手法は確率モデリングと深層学習に基づいており、確率モデリングによる特徴抽出とその特徴を用いた深層学習によって、(1)解釈可能なモデルを構築しながら(2)高精度にイベントを予測し、さらに(3)少ないデータ量で学習でき、高速に動作する。深層学習のみを用いた手法の場合、データ分類性能の高さが目立つ一方、そのモデルの解釈性が低い問題や、計算時間が非常に長い点など多くの課題がある。これまでに培われてきた確率モデルを基にした手法は、モデルが直感的で解釈可能であり、計算時間も比較的高速である。一方で、その性能は深層学習に劣る場合が多かった。そこで提案手法はこれらを組み合わせ、双方の利点を活用した新たな予測技術の開発に取り組んだ。提案手法は三つのパートに分かれており、まずはじめに、IoTビッグデータから時系列パターンの時間遷移と設備特徴をモデル化する。次に、得られたモデルと残差を基に、時系列パターンの遷移と周波数特性を特徴量として抽出する。これにより、IoTビッグデータの時間、設備、周波数特徴を同時に捉えることに成功している。最終的に、得られた特徴量を入力として深層学習を適用し、将来イベントを予測する。これまでの予測手法と異なり、提案手法では複数設備でのイベント予測を同時に行っており、時系列パターンの時間遷移だけでなく設備同士の関連性も捉えている。実際に本研究成果は非常に高い評価を受けており、データマイニング分野におけるトップ国際会議の一つであるICDM 2019にRegular paperとして採択されている。また、国内会議においても2件の受賞があり、特許申請済みである。加えて本研究成果は実際の工場での異常検知システムとして稼働する予定である。

今年，我们进一步开发了直到去年发展的技术，从大规模IoT传感器数据中提取了重要功能，并开发了一种预测未来事件的技术。具体而言，所提出的方法基于概率建模和深度学习，并通过使用这些特征的概率建模和深度学习来提取特征，（1）构建可解释的模型，（2）以高准确性预测事件，（3）可以用少量数据学习，并以高速运行。对于仅使用深度学习的方法，尽管高数据分类性能是显而易见的，但存在许多问题，例如该模型可解释性差的问题以及计算时间非常长的事实。到目前为止已经培养的概率模型的方法是直观且可解释的，计算时间相对较快。另一方面，其表现通常不如深度学习。因此，提出的方法结合了这些方法，并努力开发利用两者益处的新预测技术。提出的方法分为三个部分，首先，我们对IoT大数据的时间序列模式的时间过渡和设施特征进行建模。接下来，基于获得的模型和残差，将时间序列模式的过渡和频率特性提取为特征数量。这在同时捕获物联网大数据的时间，设施和频率特征方面已经成功。最后，使用获得的功能数量作为预测未来事件的输入来应用深度学习。与以前的预测方法不同，所提出的方法同时预测了多个设施上的事件，不仅捕获了时间序列模式的时间过渡，还可以捕获设施之间的关系。实际上，这项研究受到了极高的赞誉，并在ICDM 2019上被选为常规论文，这是数据挖掘领域的国际顶级会议之一。他还在国内会议上获得了两个奖项，并提交了专利申请。此外，这项研究的结果计划在实际工厂作为异常检测系统运行。