Algorithms and computational-architectures for change detections in large-scale data

用于大规模数据变化检测的算法和计算架构

• 批准号: 20800019
• 负责人: KAWAHARA Yoshinobu
• 金额: $ 2.07万
• 依托单位: Tokyo Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (Start-up)
• 财政年份: 2008
• 资助国家: 日本
• 起止时间: 2008 至 2009
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-20800019/
• 关键词: システム工学; 機械学習; データマイニング

In this research, we study the change detection problem, i.e., the problem of detecting systematic changes in data generating processes only from observed time-series data. Especially, we develop efficient algorithms that explicitly take the scale of data into consideration. To this end, we developed an algorithm based on recently proposed density-ratio estimation techniques. And, we derived an online implementation of this algorithm, which make the change detection algorithm much more efficient. Since change detection is a technology well suited for applications including fault diagnosis in engineering systems, our results would be significant also as a fundamental technology for such applications.

在本研究中，我们研究了变化检测问题，即仅从观察到的时间序列数据中检测数据生成过程中的系统性变化的问题。特别是，我们开发了明确考虑数据规模的高效算法。为此，我们开发了一种基于最近提出的密度比估计技术的算法。并且，我们推导了该算法的在线实现，使得变化检测算法更加高效。由于变化检测是一种非常适合包括工程系统中的故障诊断在内的应用的技术，因此我们的结果作为此类应用的基础技术也将具有重要意义。

项目成果

離散凸最適化による機械学習の諸問題へのアプローチ

使用离散凸优化处理机器学习问题

• 发表时间: 2009
• 作者: 永野清仁;河原吉伸;岡本吉夫
• 通讯作者: 岡本吉夫

劣モジュラカットとその応用

子模割及其应用

• 发表时间: 2009
• 作者: 河原吉伸;永野清仁;津田宏治;J. Bilmes
• 通讯作者: J. Bilmes

離散凸最適化手法による機械学習の諸問題へのアプローチ

使用离散凸优化方法处理机器学习问题

• 发表时间: 2009
• 作者: 永野清仁;河原吉伸;岡本吉夫
• 通讯作者: 岡本吉夫

正定値カーネルを用いた非線形部分空間同定法

使用正定核的非线性子空间辨识方法

• 发表时间: 2008
• 作者: 今井宏彦;他(7名);河原吉伸
• 通讯作者: 河原吉伸

An approach for change-point detection based on direct importance estimation

一种基于直接重要性估计的变化点检测方法

• 发表时间: 2008
• 作者: 河原吉伸;杉山将
• 通讯作者: 杉山将