実応用指向の機械学習アルゴリズム
技術者八谷 大岳(和歌山大学 システム工学部)
技術分野ソフトウェア・ロボット制御・ディープラーニング
技術移転
共同研究
受託研究
技術相談・指導

大学
和歌山県



機械学習のアルゴリズムと、そのロボット制御、画像認識、センサーデータ解析への応用 単にディープラーニングツールを使いこなすだけでは解決できない、高度な問題にデータ駆動機械学習で挑む!

機械学習のアルゴリズムと、そのロボット制御、画像認識、センサーデータ解析への応用
単にディープラーニングツールを使いこなすだけでは解決できない、高度な問題にデータ駆動機械学習で挑む!

企業のみなさまにつなげたい技術(シーズ)

近年、急速にツールの整備が進むディープラーニング技術ですが、ツールを使いこなして解決できるのはごく限られた典型的な問題だけです。和歌山大学・八谷研究室では、異常検知、ロボット誘導、3次元位置推定、地震プレートのパラメータ同定、およびセンサーデータ分類・変換などの高度な問題を解決する、独自の機械学習アルゴリズムを提案してきました。今回は、そのなかでも、企業にて実用化の可能性があるセンサーデータを圧縮・変換するdeep encoder-decoder (以下、DED)技術を紹介します。

活用が想定される分野例

・分野を問わず、中・大規模のセンサーデータはあるが活用できていない企業様
・ディープラーニングのツールは試してみたもののいまいち効果が出ていない企業様 など

技術の活用例


技術の活用例

シーズのご紹介

Deep encoder-decoder(以下、DED)は、図1のように 砂時計の形をしたエンコーダとデコーダから構成される多階層ニューラルネットワークです。このネットワークを用いる ことにより、画像や文章からエンコーダを用いて必要な情報を抽出し、低次元ベクトルに圧縮することができます。また、必要に応じて、デコーダを用いて低次元ベクトルを元のデータに復元することができます。八谷研では、DEDをセンサデータに応用する研究に取り組んでいます。
図1は、ロボットナビゲーションで用いる地図を効率よく作成するために、540次元のレーザーデータ(270°周囲の0.5°刻みの距離データ)を50次元ベクトルに 圧縮するネットワークアーキテクチャの例です。この 低容量に圧縮されて保管されたベクトルは、地図更新時や自己位置推定時に、デコーダを用いて元のレーザーデータに復元して用いることができます。
また、DEDは、時系列データの変換に応用することもできます。図2は地震観測所で観測された長周期(周期2秒~10秒)の振動データをエンコーダを用いて一度圧縮した後、デコーダを用いて観測が困難な広帯域(周期0.1秒~10秒)の震動データに変換するネットワークアーキテクチャの例です。
以上のように、deep encoder-decoderは、従来は画像や文章を対象に開発されてきた技術ですが、センサーデータの圧縮や変換にも活躍の場を広げてきており、現在、非常に注目されている技術となっています。
シーズのご紹介
公開情報:特許情報、参考文献、ホームページなど
http://wakarid.center.wakayama-u.ac.jp/ProfileRefMain_2450.html

企業のみなさまへ

八谷 大岳(和歌山大学 システム工学部)
私は、2017年3月までキヤノン株式会社にて主任研究員を務め、同年4月に和歌山大学に着任しました。企業での研究開発の経験と、専門分野の機械学習のアルゴリズムの研究とを活かし、企業のみなさまのお役に立てる実用的な研究に取り組みたいと考えています。お陰様で、これまで2社との共同研究、理化学研究所からの受託研究、および数々の企業および研究所からの技術相談を受けてきました。是非お気軽にご相談ください。
支援メニュー
技術移転
共同研究
受託研究
技術相談・指導


周辺研究
異常検知、地震予測、ロボット誘導、3次元位置推定、センサーデータ分類・変換など


■本ページに係るお問合せ先

研究・社会連携課 TEL:073-457-7584 E-mail:liaison@ml.wakayama-u.ac.jp

先頭に戻る