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，我们进一步发展了去年开发的技术，开发了一种从大规模物联网传感器数据中提取重要特征并预测未来事件的技术。具体来说，所提出的方法基于概率建模和深度学习，并且通过使用这些特征通过概率建模和深度学习提取特征，可以（1）构建可解释的模型，同时（2）实现高精度预测。（3）它可以用少量的数据进行学习并高速运行。虽然仅使用深度学习的方法具有出色的数据分类性能，但存在模型可解释性差、计算时间极长等许多问题。目前已经培育出来的基于概率模型的方法，模型直观、易于解释，计算时间也相对较快。另一方面，它的性能往往不如深度学习。因此，所提出的方法将这些方法结合起来，致力于开发一种利用两者优点的新预测技术。该方法分为三个部分，首先，根据物联网大数据对时间序列模式和设备特征的时间转变进行建模。接下来，基于获得的模型和残差，提取时间序列模式的转变和频率特征作为特征。结果，我们成功同时捕获了物联网大数据的时间、设备和频率特征。最后，应用深度学习，使用获得的特征作为输入来预测未来事件。与以前的预测方法不同，该方法同时预测多个设施的事件，不仅捕获时间序列模式的时间转变，还捕获设施之间的关系。事实上，这项研究成果获得了非常高的评价，并被数据挖掘领域国际顶级会议之一ICDM 2019采纳为常规论文。该产品还在国内会议上获得两项奖项，并已申请专利。此外，这项研究成果预计将在实际工厂中用作异常检测系统。