産学連携

Paper 1: スタック型LSTMネットワークとリアルタイムコントラストを用いた多変量プロセス監視の応答遅延削減

Publisher:  Computers and Industrial Engineering, 153, pp. 107052. (2021) (SCI) (IF 2019: 4.135, Rank 18/109, Computer Science, Interdisciplinary Applications, 10/48 Engineering, Industrial)

Abstract:  応答遅延は、プロセス変化を検出する上で重要な性能指標である。 特にビッグデータストリーミング環境下における多変量プロセス監視では、応答遅延の短縮が大きな課題となっている。 従来研究ではリアルタイムコントラスト制御図（RTC）が提案されたが、大規模データ環境下では性能が十分でない。 本研究では、スタック型長短期記憶ネットワーク（LSTM）を組み合わせた新しいRTCモデル LSTM-RTC を提案する。 本モデルは2層のLSTMとその間のドロップアウト層、そして全結合層で構成され、 ストリーミングデータの階層的表現を効果的に捉えることができる。 複数の模擬データおよび実データによる比較実験の結果、提案手法は他のRTC手法よりも応答遅延が短く、 実際のプロセス監視応用でも優れた性能を示した。

Paper 2: クラスタリングに基づく共生生物探索アルゴリズムによる高次元最適化問題の解法

Publisher:  Applied Soft Computing, 97 Part B, pp 106722-1-16 (2020) (SCI) (IF 2019: 5.472, Rank 20/137, Computer Science, Artificial Intelligence, 9/109 Computer Science, Interdisciplinary Applications).

Abstract:  本研究では、単一制御パラメータで設定可能な高速メタヒューリスティック法を提案する。 提案法の革新点は、共生生物探索（SOS）の初期解に自動 k-meansクラスタリング を適用し、サブポピュレーションを形成する点である。 各クラスタ内のエリート解のみが相互作用を行い、局所探索と大域探索の利点を統合した構造を実現する。 28個のベンチマーク問題および10個の複合問題、さらに4つのクラスタリングベースメタヒューリスティック法と比較した結果、 提案法は計算効率・探索性能の両面で優れていることが確認された。 また、最大 1000次元 の高次元問題においても、次元呪いを緩和し高品質な解を高速に得られることが示された。