著者

福島 俊一 藤巻 遼平 岡野原 大輔 杉山 将

出版者

国立研究開発法人 科学技術振興機構

雑誌

情報管理 (ISSN:00217298)

巻号頁・発行日

vol.60, no.8, pp.543-554, 2017-11-01 (Released:2017-11-01)

参考文献数

30

被引用文献数

3

---

機械学習技術を用いることで,過去の事例・観測データからの学習に基づく,モノやコトの判別・分類,予測,異常検知等の知的な判断をコンピューターで実現可能になる。ビッグデータの活用と相まって,さまざまな問題解決に機械学習技術の適用が広がっている。本稿では,問題解決への適用という視点から重要と考える技術的チャレンジの方向性として,(1)学習結果の解釈性の確保,(2)機械学習から意思決定まで通した解法の実現,(3)深層学習の高速化・高効率化,(4)機械学習型システム開発方法論の確立,という4点について述べる。

著者

福島 俊一 藤巻 遼平 岡野原 大輔 杉山 将

出版者

科学技術振興機構

雑誌

情報管理 = Journal of information processing and management (ISSN:00217298)

巻号頁・発行日

vol.60, no.8, pp.543-554, 2017-11

著者

矢部 顕大 伊藤 伸志 藤巻 遼平

出版者

一般社団法人 電子情報通信学会

雑誌

電子情報通信学会 通信ソサイエティマガジン (ISSN:21860661)

巻号頁・発行日

vol.12, no.1, pp.46-49, 2018-06-01 (Released:2018-06-01)

参考文献数

5

著者

藤巻 遼平 山口 勇太郎 江藤 力

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会論文誌 (ISSN:13460714)

巻号頁・発行日

vol.31, no.6, pp.AI30-I_1-9, 2016-11-01 (Released:2016-11-02)

参考文献数

34

被引用文献数

2

---

Piecewise sparse linear regression models using factorized asymptotic Bayesian inference (a.k.a. FAB/HME) have recently been employed in practical applications in many industries as a core algorithm of the Heterogeneous Mixture Learning technology. Such applications include sales forecasting in retail stores, energy demand prediction of buildings for smart city, parts demand prediction to optimize inventory, and so on. This paper extends FAB/HME for classification and conducts the following two essential improvements. First, we derive a refined version of factorized information criterion which offers a better approximation of Bayesian marginal log-likelihood. Second, we introduce an analytic quadratic lower bounding technique in an EM-like iterative optimization process of FAB/HME, which drastically reduces computational cost. Experimental results show that advantages of our piecewise sparse linear classification over state-of-the-art piecewise linear models.

著者

藤巻 遼平 広瀬 俊亮 中田 貴之

出版者

The Japanese Society for Artificial Intelligence

雑誌

人工知能学会論文誌 (ISSN:13460714)

巻号頁・発行日

vol.25, no.4, pp.540-548, 2010

被引用文献数

1 1

---

Although Subsequence Time Series (STS) clustering has been one of the most popular techniques to extract typical subsequence patterns from time-series data, previous studies have gave surprising reports that cluster centers obtained using STS clustering closely resemble ``sine waves'' with little relation to input time-series data. This means that STS clustering cannot be used for its original purpose, extraction of typical subsequences. Despite this serious fact, its mathematical structure has seldom been studied. The main contribution of this paper is that we give a theoretical analysis of STS clustering from a frequency-analysis viewpoint and identify that sine waves are generated due to the superposition of time series subsequences, which have the same spectra but different phases. Another contribution is that we propose a clustering algorithm, which uses a phase alignment preprocessing, to avoid sine-wave patterns.

著者

鄭 雲珠 末松 はるか 伊藤 貴之 藤巻 遼平 森永 聡 河原 吉伸

出版者

人工知能学会

雑誌

人工知能学会全国大会論文集 (ISSN:13479881)

巻号頁・発行日

vol.26, 2012

---

散布図の集合を用いた高次元データ可視化の一手法を提案する。本手法ではまず、高次元データから相関性の高い複数の次元ペアを選択し、各々の次元ペアから複数の散布図を生成する。 続いて、次元を共有する散布図どうしを連結したネットワークを構成し、力学モデルを適用することでネットワークの画面配置を適正化する。 以上により、関係性の高い散布図が画面上で隣接するような可視化結果を得る。

著者

藤巻 遼平 中田 貴之 塚原 英徳 佐藤 彰典 山西 健司

雑誌

全国大会講演論文集

巻号頁・発行日

vol.70, pp.45-46, 2008-03-13

---

本稿は故障事象の検出問題に関し,A)各属性(時系列データ)の性質が異種多様,B)故障事象の学習事例が少数,C)故障事象とは無関係な属性が多く含まれる,という実応用でしばしば直面する状況で,高精度な診断を可能とするアルゴリズムを提案する.提案アルゴリズムの特徴は,1)各属性の時系列を異常スコアの列へ変換し各属性の異常スコアベクトルによって各故障を特徴付ける,2)故障時および正常時の異常スコアベクトルを利用して適切な属性を選択する,という2点からなる.実験では自動車の実データに対して提案アルゴリズムを適用し,その有効性を確認した.