【研究分野】知能ロボティクス

【研究領域課題番号】17H00766 (KAKENデータベースで見る）

【研究キーワード】

運動の獲得と学習 / スポーツ科学 / シミュレーション科学 / 運動トレーニングの数理 / ビッグデータ / ディジタルヒューマンモデル / シミュレーション / 運動トレーニング / バイオメカニクス / ビデオモーションキャプチャ / データマイニング / クラウドコンピューティング

【研究成果の概要】

だれもが科学的にスポーツに取り組むことができるための情報技術の研究開発を行った。ビデオモーションキャプチャーは革新的な技術である。本研究の成果は、ビデオモーションキャプチャーによる運動解析の基盤技術を確立したことである。トップアスリートがスタッフに囲まれて時間をかけて行っていた科学的運動解析は複数台のビデオカメラで撮影するだけで可能になり、だれもが手の届くものになった。リアルタイムでの筋活動の可視化、体育館やグラウンドでのチームスポーツの全選手の全身動作の３次元の記録などが手の届くところまで近づいた。

【研究の社会的意義】

流れるようなリズムの動作や、素早い動きなどの優れた身体能力に近づくためにトレーニングを客観的で科学的な方法でやりたいと思う人は多い。また、けがをしないように体を守りながらより速く走り、より高く飛ぶことも、だれもがレベルに応じて上達を楽しみながら取り組めるようになる。老化による体や動作の変化を記録して観察することによって、健康寿命を延ばすことができる。私たち人間は意識しない場合でもまわりの人たちの観察をして多くの情報を得ている。ビデオモーションキャプチャーはロボットが人間を見守る技術としてもなくてはならない技術となるだろう。

【研究種目】基盤研究(A)

【研究期間】2017-04-01 - 2020-03-31

【配分額】45,890千円 (直接経費: 35,300千円、間接経費: 10,590千円)

【研究分野】経営学

【研究領域課題番号】16H02032 (KAKENデータベースで見る）

【研究キーワード】

意思決定プロセス / コーポレートガバナンス / データベース / 株主総会 / 科学的管理法 / 経営システム / サステナビリティ / 日本的経営 / 生産性 / テキストマイニング / データベース化 / 日本型経営システム / 多角化 / データマイニング / 日本型経営 / ガバナンス / ビッグデータ / 画像認識 / 組織構造 / 意思決定システム

【研究成果の概要】

本研究の目的は、神戸大学が保有する鐘紡資料を基に、企業の発生から成長、成熟段階の経営者の意思決定プロセスを分析し、日本型経営システムの本質を再定義することにより、企業のコーポレート・ガバナンスの在り方を提言することである。研究成果は大きく、以下の３点に集約できる。①鐘紡資料は膨大であり、資料の多くは手書き資料のため、デジタル化、チェキスト化を行うプロセスを開発した。②テキスト化した資料をデータベース化し、検索可能となった。③工場のデータ、株主総会など、意思決定を行った資料を基に、鐘紡の経営者の意思決定の仕組みが明らかになった。こうした貴重な資料や分析結果は広く、web上で公開できた。

【研究の社会的意義】

本研究の最大の貢献は、企業成長プロセスの研究方法として、企業の内部意思決定にまで踏み込んだ点にある。本研究では手書きのデータが多い資料のうち、社長決裁書類、株主総会議事録、重役会議での社長指示など、全てデジタル化、データベース化した。これは、企業の内部資料の入手はほぼ不可能な点に起因する。特に日本では、100年以上の歴史を有する企業は多いが現存する企業では、まず、内部資料は閲覧すら不可能である。本研究では得た結果は、日本型と呼ばれる経営の仕組みは明治期より社長交代の仕組みに現れている。日本の巨大企業が出来る背景には、明治期より、科学的管理法よりも人間中心の経営が行われてきた点に特徴がある。

【研究種目】基盤研究(A)

【研究期間】2016-04-01 - 2020-03-31

【配分額】40,560千円 (直接経費: 31,200千円、間接経費: 9,360千円)

【研究分野】情報セキュリティ

【研究領域課題番号】15K00194 (KAKENデータベースで見る）

【研究キーワード】

医療情報 / ビッグデータ / プライバシー保護 / プライバシー / データマイニング / 垂直分割 / ロジスティック回帰 / 秘匿計算 / ロジステック回帰分析 / 疫学

【研究成果の概要】

本研究課題では垂直に分割された２つのデータセットに対するロジスティック回帰を安全に実行する新しいプロトコルを提案する．提案方式は，反復再重み付け最小二乗(IRLS)を適用し，従来よりも少ない繰返し回数で収束する効率の良いプロトコルである．従来の最小勾配法(SGD)の収束回数30,000回と比較して，提案プロトコルは7回で収束する．大規模な国内の患者の診療情報を含む診療情報データベース(DPC)を用いて，その実現可能性を評価している．提案により，対象患者の機微情報を関連組織に漏洩することなく，死亡確率のみを予測することを可能とする．疑似データによる本方式のパフォーマンスと精度の評価を与えている．

【研究種目】基盤研究(C)

【研究期間】2015-04-01 - 2018-03-31

【配分額】4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)

【研究分野】計算機システム

【研究領域課題番号】15H02673 (KAKENデータベースで見る）

【研究キーワード】

ビッグデータ / データマイニング / イジングモデル / 組合せ最適化問題 / リコンフィギュラブルシステム / グラフ処理 / リコンフィギュラブル / ストリーム処理

【研究成果の概要】

本研究では組合せ最適化問題の最適解を導き出すことを狙ったアーキテクチャ研究に注力した。従来の単一スパースハードウェアグラフでは、ハードウェア構造より密なグラフを再現する際、スピンを複製し、擬似的に密なグラフを再現するマイナーエンベディングという方法がとられる。スピンの状態の更新が、隣接スピンの状態とスピン間相互作用の積和演算によって再現されることを利用して、スパースなハードウェア構造それぞれに対して、時間方向の接続（積和演算を継続）を可能にすることで、複製スピンによる強い相互作用を加えることなく処理を行うことを実現し、大規模な問題から高い精度の解を得るアーキテクチャを提案した。

【研究の社会的意義】

IoT 社会の到来により、データマイニングに代表されるビッグデータ処理が計算処理の中心的課題となりつつある。本研究は、(1)データマイニング処理に適したリコンフィギュラブルアーキテクチャと、(2)HW アーキテクチャを考慮したデータマイニングアルゴリズムの二つの課題に統括的に取り組むことで、超高速・低電力なデータマイニング処理基盤の確立を目指すものである。

【研究種目】基盤研究(B)

【研究期間】2015-04-01 - 2019-03-31

【配分額】17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円)

【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】26240032 (KAKENデータベースで見る）

【研究キーワード】

農作業暗黙知 / ビッグデータマイニング / データサイエンス / 視線計測 / 熟練農家 / パタンマイニング / 気づき / 環境データ / データマイニング / 決定木 / 回帰 / パーセプトロン / 育種 / さとうきび / 人工知能 / AI農業 / 暗黙知抽出 / 多段創発構造 / ビッグデータ / 多段創発 / センサーネットワーク / マルチモーダル / 形式知 / サトウキビ

【研究成果の概要】

本研究は，高付加価値な野菜・果物の生産ノウハウを持つ熟練農家の農作業暗黙知を，農作業従事者の行動や農作物の状態，土壌や気温・天候といった多様なデータから構成されるビッグデータから顕在化し，知的農業システムとしてパッケージ化することを目的とした．そして，農作業データからの暗黙知の抽出，環境データからの農作物の生長予測，そして視線計測による暗黙知抽出に取組み，実際に熟練農家と一般農家における作業様式の違いなどを発見することができた．

【研究種目】基盤研究(A)

【研究期間】2014-04-01 - 2017-03-31

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

【研究分野】マルチメディア・データベース

【研究領域課題番号】26540046 (KAKENデータベースで見る）

【研究キーワード】

オンライン手書きデータ / 電子ペン / 学習つまずき / データマイニング / ビッグデータ / 記憶度推定 / 数学解法分類 / 教育支援 / ユーザインタフェース / つまずき解析 / ビッグデータ分析

【研究成果の概要】

本研究は、教育での電子化が推進される中、学習つまずきを時系列で得られる手書きデータから自動発見する手法を研究し、以って近い将来実現するであろう効果的な個別学習の実現に供することを目指した。

具体的には、学習つまずきを１）記憶に依存するつまずきと２）解答過程におけるつまずきに分類し自動抽出を試みた。記憶に依存するつまずきでは、暗記学習における記憶定着をモデル化し、漢字書き取りを題材に、未記憶、主観定着、主観未定着に分類し、主観定着の中で未記憶状態にあるものを自動抽出し、F値で0.69を達成した。解答過程におけるつまずきでは、数学を題材に解法を戦略別に自動分類し、F値0.5～0.7を達成した。

【研究種目】挑戦的萌芽研究

【研究期間】2014-04-01 - 2016-03-31

【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】マルチメディア・データベース

【研究領域課題番号】26540040 (KAKENデータベースで見る）

【研究キーワード】

データマイニング / ビッグデータ / ストリーム処理 / 類似検索 / 外れ値検出 / ハッシュ / 近似最近傍探索 / リコンフィギュラブル

【研究成果の概要】

大規模分散処理環境のフロントエンドコンピューティングコンセプトによる加速処理の一例として、Memccachedのネットワーク・インタフェースによる高速化手法とそのハードウェア化に取り組み、ソフトウェアに比べて最大3.5倍の性能向上を確認した。また、別の一例として、近似最近某探索アルゴリズムLSHに着目し、その一つであるExact Euclidean Locality Hashingのハードウェア向けアルゴリズムへの改良とそのハードウェア化に取り組み、ソフトウェアに比べて1/9のレイテンシ短縮と約25倍のスループット向上を確認した。

【研究種目】挑戦的萌芽研究

【研究期間】2014-04-01 - 2016-03-31

【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)