IoT機器などの時系列データを高精度に分析するDeep Learning技術を開発：製造ITニュース

富士通研究所は、IoT機器などから得られる振動の激しい時系列データに対して高精度な解析を可能とする、新たなDeep Learning技術を開発した。

[MONOist]

　富士通研究所は2016年2月16日、IoT（モノのインターネット）機器などから得られる、振動が激しく人による判別が困難な時系列データに対して、高精度な解析を可能とする新たなDeep Learning技術を発表した。

　Deep Learningは、膨大なデータをコンピュータが自ら学習しながら分析する機械学習技術。人工知能の発展を担う技術の1つとして注目されているが、現状では画像や音声の認識など限られた種類のデータにしか活用されていない。

　特に、IoT機器などに搭載されたセンサーから取得される変動の激しい複雑な時系列データは、Deep Learningだけでなく他の機械学習技術でも高精度な分類が困難だという。

　今回、富士通研究所では、最先端数学を活用して、そうした複雑な時系列データを扱うことのできるDeep Learning技術を開発した。複雑な現象を分析するカオス理論に基づいて時系列データを図形化し、位相幾何学に基づくデータ分析手法を用いて図形の特徴を独自のベクトル表現へと変換。さらに、画像認識に用いられるDeep Learningの手法である畳み込みニューラルネットワークを新たに設計し、変換されたベクトル表現を分類する。

　この新技術を用いて、ウェアラブル機器などに用いられるジャイロセンサーの時系列データを分類したところ、UC Irvine Machine Learning Repositoryのベンチマークテストにおいて、約85％の精度を達成。既存技術に比べ約25％精度が向上した。

　同技術により、Deep Learning技術の適用データ範囲が時系列データにまで広がった。新技術を活用することで、製造現場で設備の異常や故障を高精度に検知・予測したり、バイタルデータを分析して医療における診断・治療を支援したりと、さまざまな分野で人工知能による高度化が期待される。

　同研究所では今後、時系列データの分類技術の精度をさらに高め、2016年度中の実用化を目指すという。

同技術による時系列分類イメージ