大規模時系列データの統計的学習と環境エネルギー問題への適用

本年度は研究の具体的な技術の基礎の確立すると同時に，国内外において研究議論，成果発表を活発に行った．より具体的には，主に大規模時系列データのための統計的学習と特徴自動抽出に関する研究を中心に取り組んだ．以下は具体的な提案手法である．(a) 大規模時系列データのための特徴自動抽出：大規模センサネットワーク上における特徴的パターンの自動抽出手法の確立．(b) 時系列イベントシーケンスの時間的な推移の解析とリアルタイムパターン解析：様々な時系列イベントおよび活動のパターンを非線形モデルで表現し，将来の動向を予測するアルゴリズムを提案．(c) 大規模非線形テンソルのための高速モデル学習：大規模な非線形モデルを対象とし，重要な情報やパターン発見のための統計的モデルを確立．提案技術は，国内外において，その有用性と汎用性を非常に高く評価され，データマイニング，データベースの分野における最も著名な国際会議であるWWW, SIGKDD, SIGMODおよび，ICDM, PKDD等で多数採録された．これらの成果は先駆的かつ実用的であり，データマイニング分野において国際的に高い評価を受けており，国内外における招待講演3件を行った．さらに，上記の研究内容を含め，本年度は積極的に外部組織との共同研究も行った．具体的には，海外渡航制度を利用し，共同研究者であるChristos Faloutsos教授（カーネギーメロン大学）の元へ訪問及び短期滞在を行った．これらの共同研究において，大規模時系列データの解析のための基礎技術基盤を確立した．

本年度は研究の具体的な技術の基礎の確立すると同時に，国内外において研究議論，成果発表を活発に行った．より具体的には，主に大規模時系列データのための統計的学習と特徴自動抽出に関する研究を中心に取り組んだ．以下は具体的な提案手法である．(a) 大規模時系列データのための特徴自動抽出：大規模センサネットワーク上における特徴的パターンの自動抽出手法の確立．(b) 時系列イベントシーケンスの時間的な推移の解析とリアルタイムパターン解析：様々な時系列イベントおよび活動のパターンを非線形モデルで表現し，将来の動向を予測するアルゴリズムを提案．(c) 大規模非線形テンソルのための高速モデル学習：大規模な非線形モデルを対象とし，重要な情報やパターン発見のための統計的モデルを確立．提案技術は，国内外において，その有用性と汎用性を非常に高く評価され，データマイニング，データベースの分野における最も著名な国際会議であるWWW, SIGKDD, SIGMODおよび，ICDM, PKDD等で多数採録された．これらの成果は先駆的かつ実用的であり，データマイニング分野において国際的に高い評価を受けており，国内外における招待講演3件を行った．さらに，上記の研究内容を含め，本年度は積極的に外部組織との共同研究も行った．具体的には，海外渡航制度を利用し，共同研究者であるChristos Faloutsos教授（カーネギーメロン大学）の元へ訪問及び短期滞在を行った．これらの共同研究において，大規模時系列データの解析のための基礎技術基盤を確立した．