多種多様なデータ(ビッグデータ)を対象として、データの背後に潜む重要な潜在情報を抽出し、新価値を創出するための革新的ビッグデータ解析技術を創出します。 特に、人流、交通流、ネットワークなどの広義のトラフィックデータ分析などNTT事業との関わりが深くインパクトの大きな諸分野へ展開し、革新的ビッグデータ事業の基盤とします。
   
室長 上田 修功

ニュース

  • 2016年11月: AAAI-17 (AAAI Conference on Artificial Intelligence) に論文「Read the Silence: Well-timed Recommendation via Admixture Marked Point Process」が採録されました。
  • 2016年9月: ICDM2016 (IEEE International Conference on Data Mining)に論文「A Semi-supervised AUC Optimization Method with Generative Models 」が採録されました。
  • 2016年8月: NIPS2016 (Neural Information Processing Systems) に論文 「Higher-Order Factorization Machines 」と「Multi-view anomaly detection via robust probabilistic latent variable models」の2件が採録 されました。
  • 上田室長が電子情報通信学会において業績賞「統計的機械学習に関する先導的研究」を受賞しました。
  • ICML2016(International Conference on Machine Learning)に 論文「Polynomial Networks and Factorization Machines: New Insights and Efficient Training Algorithms」が採録されました。
  • 2016年5月にメンバーが7人となり、本格始動しました。
  • 2016年4月に上田特別研究室が発足しました。

研究内容

時空間多次元集合データ分析

「いつ」「どこで」「何が」「どうなる」を即座に予測し、社会システムにフィードバックする先行的制御・誘導技術を確立し、 NTTの「環境知能」実現に貢献することを目指しています。 これまでに、先行的人流誘導に関し、観測⇒予測⇒シミュレーションを繰り返すことによる先行的な集団最適誘導の新たなアプローチを提案してきました。 今後は学習型のマルチエージェントシミュレータを用い、人流のような挙動原理が未知の対象についても取り組んでいく予定です。   

予兆発見、因果関係推論

多様なセンサデータ、ログデータからリアルタイムに異常現象の予兆を検出する技術を確立し、 NW故障予兆発見などのNTT事業の重要課題解決に貢献することを目指しています。 ストリームデータ(センサデータなど)では、1対1の教師有り学習データの入手は難しく、従来の教師有り学習法の適用は困難です。 我々はストリームデータから即時に検出対象クラス(イベント)を検出する技術を確立し、異常予兆発見、行動識別などの応用に展開したいと考えています。

統計的機械学習の新展開

宇宙ビッグデータ(JST CREST), スマートシティ(総務省 NICT ファンド)分野などのビッグデータ分析の未開拓分野において 機械学習研究の新展開を図り、自然科学および社会科学の学術発展に貢献することを目指しています。 例えば、宇宙ビッグデータ(JST CREST)では、東大高等研究所カブリ数物連携宇宙研究機構と協力し、 世界唯一の宇宙撮像データ解析を中心に新たな学問分野(統計計算物理学)の開拓を目指しています。

メンバー

上田 修功
藤野 昭典
藤原 靖宏
藤原 靖宏
金 秀明
金 秀明
Mathieu Blondel
Mathieu Blondel
丸茂 直貴
丸茂 直貴