ページの先頭です

ニュース&トピックス

情報数理学専攻 令和2年度情報数理学セミナー

第2回

日時: 5月21日(木) 14:40~16:10
会場: CLE「情報数理学セミナーI 木3」(遠隔実施)
担当: 齋藤 真人 助教, 馬越 貴之助教
講演題目: 安全教育講演Ⅰ Lectures for safety education 1
内容: 博士前期・後期課程の教育・研究において,またその後の社会活動においても重要な事柄である「安全」について,その概略を講義する.
The lectures are delivered for understanding the guideline of "safety" which is important for social activities following the education and research of the master and doctoral course.
  1. 14:40~15:10 齋藤 真人「研究倫理, CITI Japanプログラムのe-learning教材, および化学・生物実験に関する安全講習」
  2. 15:10~15:40 馬越 貴之「コンピュータセキュリティ」

第1回

日時: 5月14日(木) 13:00~15:00
会場: CLE「情報数理学セミナーI 木3」(遠隔実施)
内容: 博士論文中間発表会

講演者: 北井 正嗣 (沼尾研 博士課程2年) 13:00~13:30
講演題目: 機械学習を利用した欠陥進展下の転がり軸受の状態監視手法の提案
概要: 一部の産業機械用途で使用される転がり軸受は交換にかかるコストが多大であることから,はく離等の欠陥が発生した後も継続して使用される場合がある.このような転がり軸受において欠陥の早期検出,および欠陥の進展下における使用可能な限界までの余寿命を推定する手法(状態監視手法)を構築することは運用コスト低減のための重要な課題である.  本研究では機械学習を利用した転がり軸受の状態監視手法の確立を目指している.状態監視手法は,(1) 転がり軸受の初期の欠陥を早期に検出するための欠陥検出手法,および、(2) 欠陥検出後,転がり軸受が使用可能な限界までの余寿命を推定する余寿命推定手法からなる.  本研究の課題と現時点での成果として,まず欠陥検出において,一般的な外れ値検出手法による欠陥検出では軽微な欠陥を検出できない課題があった.その原因として欠陥のサイズに応じて診断に有効な特徴量が変化することがあげられる.そこで,提案手法ではRandom Forestによる特徴選択と2段のLocal Outlier Factorによる外れ値検出を組み合わせた欠陥検出手法を提案し,軽微な欠陥の検出精度を向上させた.  また余寿命予測において,従来の回帰手法による余寿命推定では軸受毎の余寿命の個体差は考慮されず,さらに欠陥の進展に対する余寿命推定値の単調性は保証されない課題があった.提案手法では,回帰手法として階層ベイズ回帰手法を用い,欠陥 の進展状況と余寿命の関係を示す回帰モデルを作成することにより,個体差・単調性を考慮した余寿命の推定手法を提案し,余寿命の推定精度を向上させた.

講演者: Ahmed Ezzat Tohami Azab (森田研 博士課程2年) 13:30~14:00
講演題目: Block Relocation Problem Considering New Aspects: An Application in Container Terminals
概要: Block Relocation problem (BRP) is one of the combinatorial optimization problems that occurs daily in facilities where products or blocks are stored according to block stacking system. In such system, blocks are stacked above each other's due to the lack of storage space. This system is typically adopted in container terminals when containers are stacked in vertical columns beside each other's in the yard area. The problem arises when a container is needed to be picked up by a truck earlier than containers above it. In this case, the blocking containers above the targeted container have to be removed to another location before loading the target container to the truck. Such relocations are nonvalue added operations with more time and energy consumption and more delay for customers. Consequently, the need to minimize the number of relocations to retrieve a set of target containers is the main objective of solving the BRP. However, the classical BRP are solved assuming that containers pickup times are decided in advance, which causes extra relocations. In this research we consider scheduling container pick-up times with container stacking sequence which can lead to significant reduction in the number of relocations. Moreover, the existing BRP doesn't take in the considerations the capacity of crane used to perform these relocations. Furthermore, the problem is usually solved without considering the number of trucks waiting at the designated pick up point. To tackle these shortcomings, a new version of BRP is developed considering container pick-up Appointment Scheduling (BRPAS). A new mathematical model is formulated and solved using some instances from the literature. Since the computational efficiency is critical for this combinatorial problem, an improved version (BRPAS-I) of the BRPAS model is developed. Despite the benefits of the considered aspects in the newly defined BRPAS, more aspects in truck appointment system (TAS) which is typically used for managing truck arrivals in container terminals are expected to have more impact on the operational efficiency. TAS is typically applied in a container terminal dependent from the container handling operation at the container yard. So that, for future work, an integrated system of TAS and BRTAS is targeted. In this integrated system, trucking company's requirements, container terminal operational circumstances, and time aspects such as real-time scheduling are to be considers.

講演者: 村田 真一 (森田研 博士課程3年) 14:00~14:30
講演題目: 録画データへのMT法および最適化手法の適用による特徴分析
概要: 近年ICT・IoT技術の急速な進化・浸透により、一般企業においても統計的手法や機械学習を用いた高度なデータ分析を簡単に実施できる環境が整いつつある。しかしながら、企業においては機会学習等では前提となる高品位で幅広いデータセットが簡単に入手できない、もしくは限定されたデータセットとなっており、簡単に分析を実施できない場合が多い。また、高度なデータ分析の実施には該当分野にける深い業務知識が必要とされ、データの特徴や異常値の判断・選択は有識者に頼るところが多く、大きな負荷となっているが、特徴選択の省力化や自動化に関する議論は少ない。 そこで本研究では録画データを対象として、MT法を適用し限定的なデータセットで特徴データのマッチング・判定を可能にすると共に、最適化手法を用いて録画データが保有する特徴から分析に利用する特徴を自動的に決定する、データ分析・特徴判定方法を提案する。

講演者: 出水 宰 (森田研 博士課程2年) 14:30〜15:00
講演題目: 機械学習に基づく広告配信・在庫管理における意思決定の最適化
概要: 本発表では,機械学習による意思決定の最適化として,Web広告およびサプライチェーン・マネジメントの2つのドメインでの研究成果を述べる.1点目は,深層学習によるWeb広告のクリック率予測についてである.メディアにWeb広告を入稿する際,クリック率がなるべく高い広告クリエイティブを選択することは重要な問題である.また,ユーザへ高頻度に表示される広告では,配信以後のクリック率の時間的な減衰が速いという特徴がある.本研究では,この時間減衰を考慮したクリック予測手法として,広告の画像,テキスト,メタ情報といったマルチモーダルな特徴量を利用し,更に,クリック率の時系列変化を抽象的に表現するRecurrent Neural Network (RNN)によるモデルを提案する.アドネットワーク上の配信履歴データを用いたオフラインでのクリック率予測を検証し,提案手法の有効性を示す.2点目は,深層強化学習による在庫管理の最適運用についてである.本研究では,多商品かつ製品ライフサイクルが短いサプライチェーンとして,スマートフォン販売店での最適在庫問題を扱う.最適な在庫量を決定することは,不良在庫の削減や販売機会損失の抑止に繋がり,利益向上の観点で重要な問題であるが,製品ライフサイクルの短期化などにより,各商品ごとの正確な需要量予測は困難である.そこで本研究では,供給量決定においてモデルベース深層強化学習を適用し,この予測困難性を解決する.実際の販売データで行った,提案手法による在庫決定シミュレーションの結果を報告する.