【研究領域課題番号】19K04113 (KAKENデータベースで見る）

【研究キーワード】

異常診断 / 時系列予測 / プロセス監視 / 深層学習 / 機械学習 / ディープラーニング / オペレータ支援 / 時系列データ予測 / プロセス産業 / 時系列データ

【研究成果の概要】

本研究課題では、プロセス制御監視システムによって蓄積された時々刻々変化する時系列データを利用しディープラーニング技術を応用した実プロセスで利用可能なオペレータ支援機能を実現した。具体的には、実際の化学プロセスの複数のセンサデータを予測する新しいディープラーニングモデルを提案した。化学プロセスの制御のために監視しているセンサデータ間の複雑な関連を学習するモデルであり、関連するセンサデータ間の様々な時間長の影響関係を利用し、ある一つのセンサデータの正常値予測を実施するモデルである。

【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)

【研究分野】生命・健康・医療情報学

【研究領域課題番号】26540153 (KAKENデータベースで見る）

【研究キーワード】

多段創発 / ボトムアップ / 時系列データ / ＡＣＯ / 自律エージェント / 協調 / パタンマイニング / 大規模複雑システム / 人工生命 / Deep Learning / 中間層 / 仮想細胞 / 汎用性 / 転移学習 / トップダウン / ACO / 自己組織化

【研究成果の概要】

早急な開発と運用が求められるスマートグリッドやアンビエント情報基盤，そしてビッグデータを背景とする次世代情報社会インフラシステム等の構築に際しては「多段創発型階層構造」に基づく設計が重要である．そこで，多段創発型階層構造における「下層が上層をボトムアップ的に多段階に創発するしくみ」を本研究の主目的とした．そして，群知能型手法の代表であるＡＣＯを土台とする方法を提案した．この方法により，階層性のある時系列パタンが含まれるデータからの階層構造抽出を可能とした．多数の自律エージェントが簡潔なルールに基づき他のエージェントと協調することで，データに隠された階層構造を抽出することができる．

【研究種目】挑戦的萌芽研究

【研究期間】2014-04-01 - 2017-03-31

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