
Team 07.
ネットワーク機械学習
ヒトやモノが織りなす関係性を動的なネットワークとして捉え、そのダイナミズムを機械学習技術によって解析する。
モビリティ社会の関係性を解析する機械学習技術の開発。
多くのヒトやモノが移動するモビリティ社会では、ヒトやモノの関係性を解析し、渋滞や事故といった問題を防ぐことが重要です。ヒトやモノの関係性は動的なネットワークとして捉えることができます。この動的なネットワークを、機械学習技術を通して明らかにしていくのが本チームのねらいになります。また本チームでは、モビリティだけではなく生態学や経済学にも適用可能な、本質を捉えた機械学習技術の開発を目指しています。
研究概要
ネットワーク機械学習チームは、動的ネットワークの「変化を捉える」技術と、動的ネットワークの「安定性を評価する」技術の開発に取り組んでいます。前者の研究ではニホンザル集団を撮影したビデオデータを活用し、動的なクラスタリング(データのグループ分け)を行うことで関係性の変化を検知します。現在はビデオデータからニホンザルの位置、行動を抽出するトラッキング技術の開発に力を入れており、国際学会でも2度発表を行いました。一方で後者の研究では、銀行間の貸し借りデータを元に安定性の評価基準を設計することが目標です。このように、現実のデータを活用して応用的に研究を実施している点が、本チームの特徴とも言えるでしょう。
今後は両研究をブラッシュアップし、開発した技術の適用性を高め、その有効性を適切に評価することを目指します。
参加メンバー
池田 和司 奈良先端科学技術大学院大学・情報科学領域
久保 孝富 奈良先端科学技術大学院大学・情報科学領域
Riza Rae Aldecoa Pineda 奈良先端科学技術大学院大学・情報科学領域
Igor Zavialov 奈良先端科学技術大学院大学・情報科学領域
人見 謙太郎 奈良先端科学技術大学院大学・情報科学領域
Tan Renzo Roel Perez 奈良先端科学技術大学院大学・情報科学領域
アドバイザ
湊 真一 京都大学・情報学研究科