多次元時系列データからの知識発見とその環境貢献

人々の行動や物理現象には、さまざまな法則性が明示的・非明示的に内在しています。そのような法則性を観測・計測データから帰納的に発見する方法論はデータマイニングとして盛んに研究が行われています。さらに、世の中の多くの現象は時間と共に変化する時系列データであります。

本研究では、多次元・大規模な観測・計測データの時間的に変化する現象の全容を把握するための自律的な可視化構成法や、事象間の相互作用を推定するための共起パターン抽出アルゴリズムなどの新たな知識発見アルゴリズムに関する研究を行っています。また、それらに付随する研究として、可視化結果に対してユーザの解釈を重視した多様な評価指標や、対象領域に適するように進化論的方法により抽出精度を改善するメタ学習法などの基礎的な研究を行っています。一方で、具体的な応用として、燃料電池の損傷過程の可視化や、地震間や燃料電池の部材間の相互作用の発見などの環境貢献に応用しています。

• 2005年 大阪大学 産業科学研究所 特任助手
• 2007年 大阪大学 産業科学研究所 特任助教
• 2010年 大阪大学 博士（情報科学）
• 2010年 大阪大学 産業科学研究所 助教
• 2015年 大阪大学 産業科学研究所 准教授