2025/04/08 更新

お知らせ

 

写真a

ヤマグチ アキヒロ
山口 晃広
YAMAGUCHI AKIHIRO
所属
マス・フォア・インダストリ研究所 リエゾン戦略部門 教授
職名
教授

研究分野

  • 情報通信 / 知能情報学

経歴

  • 九州大学 マス・フォア・インダストリ研究所 教授 

    2024年10月 - 現在

  • 株式会社東芝 研究開発センター エキスパート 

    2021年7月 - 現在

学歴

  • 名古屋大学   大学院情報学研究科   情報システム学専攻

    2015年4月 - 2018年3月

  • 神戸大学   大学院自然科学研究科   数学専攻

    2004年4月 - 2006年3月

  • 神戸大学   理学部   数学科

    2000年4月 - 2004年3月

研究テーマ・研究キーワード

  • 研究テーマ: 説明可能AI (XAI)

    研究キーワード: 説明可能AI (XAI)

    研究期間: 2024年

  • 研究テーマ: 解釈性

    研究キーワード: 解釈性

    研究期間: 2024年

  • 研究テーマ: 機械学習

    研究キーワード: 機械学習

    研究期間: 2024年

  • 研究テーマ: 時系列データマイニング

    研究キーワード: 時系列データマイニング

    研究期間: 2024年

受賞

  • 日本データベース学会 若手功績賞

    2025年3月  

    山口晃広

  • DEIM 2024 最優秀論文賞

    2024年6月   学習可能な長さを持つshapeletsに基づく時系列分類法

    山口晃広, 植野研, 鹿島久嗣

  • One of 6 best papers

    2022年11月   CIGRE   Development of advanced AI technologies for condition diagnosis of high voltage switchgear in substations

    Akihiro Yamaguchi, Ken Ueno, Kazunori Uchida, Eiji Matsumoto, Toshiyuki Saida

  • DEIM 2022 最優秀論文賞

    2022年6月   時間変化するshapeletsを学習する時系列分類手法

    山口晃広, 植野研, 鹿島久嗣

  • The Best of SIAM Data Mining 2020

    2020年10月   LTSpAUC: Learning Time-series Shapelets for Optimizing Partial AUC

    Akihiro Yamaguchi, Shigeru Maya, Kohei Maruchi, Ken Ueno

  • 山下記念研究賞

    2020年3月   情報処理学会   時系列データのshapeletsを学習するpartial AUCの最大化手法

    山口晃広

  • 論文誌 データベース優秀論文賞

    2017年6月   情報処理学会   In-Vehicle Distributed Time-critical Data Stream Management System for Advanced Driver Assistance

    山口晃広, 渡辺陽介, 佐藤健哉, 中本幸一, 石川佳治, 本田晋也, 高田広章

  • WebDB Forum 2016 最優秀論文賞

    2016年9月   In-Vehicle Distributed Time-critical Data Stream Management System for Advanced Driver Assistance

    山口晃広, 渡辺陽介, 佐藤健哉, 中本幸一, 石川佳治, 本田晋也, 高田広章

  • ITS研究会奨励賞

    2014年9月   車々間通信を用いた安全運転支援のためのリアルタイムストリーム処理

    山口晃広, 佐藤健哉, 中本幸一, 渡辺陽介, 高田広章

  • ITS研究会奨励賞

    2013年6月   ストリームLDMにおける地図データのストリーム化機構の設計と評価

    伊藤信一, 山口晃広, 佐藤健哉, 本田晋也, 高田広章

▼全件表示

論文

  • Learning Counterfactual Explanations with Intervals for Time-series Classification. 査読 国際誌

    Akihiro Yamaguchi, Ken Ueno, Ryusei Shingaki, Hisashi Kashima

    ACM International Conference on Information and Knowledge Management (CIKM)   4158 - 4162   2024年10月

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)  

    IoTの普及により,機械学習あるいは AIにより時系列データのクラスを分類する時系列分類技術の重要性が高 まっている.一方,高い信頼性や安全性が求められる産業分野では,学習された分類器を解釈できることが求められ,説明 可能 AI(XAI)の必要性も高まっている.XAIにおける反事実説明では,元の特徴をどのように修正すれば,分類器の判定 が望ましいクラスに切り替わるかを示すことで,その分類器を解釈できる.特に時系列データでは,それを構成する特徴は 互いに独立ではなく時間的に依存する.そのため,元の時系列データから変形できる区間を考慮して特徴を修正すること が,時系列データの反事実説明(反事実波形)において重要である.本研究では,変形区間とそれらを考慮した反事実説明を 同時に学習する反事実波形生成手法を提案する.提案手法では,変形区間の制限数を指定してそれに応じた反事実波形を 生成できるように連続最適化問題を定式化する.UCRアーカイブを用いた実験評価では,35種類のデータセットを用い てその有効性を定量的に示し,2つのケーススタディで生成された反事実波形における説明性の妥当性を定性的に示す.

    DOI: 10.1145/3627673.3679952

    その他リンク: https://dblp.uni-trier.de/db/conf/cikm/cikm2024.html#YamaguchiUSK24

  • Time-series Shapelets with Learnable Lengths 査読 国際誌

    Akihiro Yamaguchi, Ken Ueno, Hisashi Kashima

    ACM International Conference on Information and Knowledge Management (CIKM)   2866 - 2876   2023年10月   ISBN:9798400701245

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)  

    Shapeletsとは時系列データのクラス分類に用いられる複数の局所的な波形パターンである.従来研究では,shapeletsの形を連続最適化により学習する手法が提案されているが,shapeletsの長さはハイパーパラメータとして固定され学習できなかった.本研究では,shapeletsの形だけでなく長さ自体も連続最適化により同時に学習可能にする. 特に,分類の判定根拠を提示する説明性を保ちつつ,クラス間の波形の違いをより明確に捉えるように,shapeletsの長さが学習されることを理論的に示す.実験評価では,71種類のUCR公開時系列データセットを用いてAUCの向上や合計学習時間の短縮を示すとともに,3種類のケーススタディを通して学習されたshapeletsの説明性を示す.

    DOI: 10.1145/3583780.3615082

    Scopus

  • 変形可能な判別波形パターンの学習法 査読

    山口 晃広, 植野 研, 鹿島 久嗣

    電子情報通信学会論文誌D 情報・システム   J106-D ( 5 )   328 - 336   2023年5月   ISSN:1880-4535 eISSN:1881-0225

     詳細を見る

    担当区分:筆頭著者   記述言語:日本語   出版者・発行元:The Institute of Electronics, Information and Communication Engineers  

    IoTの普及によりインフラ・医療・製造などの産業分野では,時系列インスタンスのクラスを機械学習で分類する必要性が高まっている.一方,判別に用いる波形パターン(判別波形パターン)を分類器と同時に学習する手法が,分類性能が高いだけでなく説明性もあるため近年注目を集めている.本論文では,季節性・被験者の慣れ・機械の劣化などにより判別波形パターンが変化することを考慮し,その変形を予測する手法を提案し,各産業分野への有効性を示す.提案手法では,時系列インスタンスとそれらを取得したタイミングやクラスラベルから,判別波形パターンと分類器だけでなく判別波形パターンの変形を予測する回帰モデルも同時に学習する.

    DOI: 10.14923/transinfj.2022det0002

    CiNii Research

  • Learning Local Patterns of Time Series for Anomaly Detection 査読

    Kento Kotera, Akihiro Yamaguchi, Ken Ueno

    International Conference on Time Series and Forecasting (ITISE)   39 ( 1 )   2023年   eISSN:2673-4591

     詳細を見る

    掲載種別:研究論文(学術雑誌)  

    時系列データにおける異常検知の問題は最近注目を集めているが,実際のアプリケーションでは正常/異常のクラスラベルを利用できない.更に,異常と判定された結果の根拠を提示する必要がある.本研究では,時系列データに固有の局所的なパターンを確率的に教師無しで学習する期待値最大化アルゴリズムに基づく異常検知手法を提案する.提案手法では,従来手法に匹敵する異常検知性能を達成するだけでなく,局所パターンを確率的に表現することで説明性を提供できる.

    DOI: 10.3390/engproc2023039082

    Scopus

  • Development of advanced AI technologies for condition diagnosis of high voltage switchgear in substations 招待

    A. Yamaguchi, K. Ueno, K. Uchida, E. Matsumoto, T. Saida

    CIGRE Science and Engineering   26   2022年11月   eISSN:2426-1335

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(学術雑誌)  

    本論文はCIGRE Kyoto Symposium 2022で6つのbest papersのうちの一つに選ばれた際に,招待されたジャーナルである.

    電力会社では高信頼で効率的なインフラ設備の保守運用に向け てIoT技術の活用が進んでおり,開閉装置などの変電設備では設 置されたセンサから時系列データを収集し機械学習を用いて状態 監視を行う設備診断技術に注目が集まっている.我々は,正常な 時系列データのみを入力として学習し正常な局所的波形パターン からのズレとして異常の根拠を提示できる時系列波形異常検知技 術OCLTS(One-Class Learning Time-Series Shapelets)を開発 してきた.本研究では,設備診断向けの時系列波形異常検知技術 の課題を明らかにし,変電設備の機械的な開閉動作をセンシング したストローク波形データにOCLTSを適用し僅かな異常兆候で も説明性を持って捉えられることを確認する.また,設備が正常 であっても動作の度に変動し不安定な箇所のある時系列データに 対して,正しく異常兆候を捉えられるようにOCLTSを改良する. 更に,このような特性を持つ断路器のモーター電流波形データに 改良版OCLTSを適用しその有効性を確認する.

    Scopus

  • AI判断の根拠を説明するXAIを使いこなす:4.Shapelets学習によるインフラ・製造分野向け時系列波形の異常診断技術 -異常の検知や診断に有効な波形パターンを発見するAI- 招待

    晃広 山口

    情報処理   2022年7月

     詳細を見る

    担当区分:筆頭著者   記述言語:日本語  

    インフラ設備や製造装置のセンサから時系列波形データを収集しAIにより異常や正常などの状態を自動判別する時系列波形異常診断技術に注目が集まっている.本稿では,インフラ・製造分野における技術課題として,AIの説明性,異常データの収集,誤判断のリスク管理,データの信頼性を述べる.次に,説明性のある波形診断技術としてshapelets学習法を説明し,残りの課題も解決するよう拡張した技術を産業分野への適用事例とともに紹介する.

    DOI: 10.20729/00218781

  • Learning Time-series Shapelets Enhancing Discriminability 査読

    Akihiro Yamaguchi, Ken Ueno, Hisashi Kashima

    Proceedings of the 2022 SIAM International Conference on Data Mining, SDM 2022   190 - 198   2022年   ISBN:9781611977172

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)  

    時系列データからshapeletsと呼ばれる波形パターンを獲得し特徴量を学習するクラス分類手法が,説明性があり高い分類性能を両立するため注目を集めている.これらの従来手法では古典的なシグモイド損失関数を用いている一方で,コンピュータビジョンなどの分野ではクラス間の特徴量を積極的に分離する損失関数が提案されている.本研究では,スケーリングを自動調整することでクラス分離性を強化する既存手法に着想を得てshapelets学習に適用可 能な損失関数を提案する.更に,理論的に特徴量をクラス間で引き離しながら縮小させる正則化を提案しshapeletsの説明性を維持する.UCRデータセットを用いた実験では,少数の shapeletsにおける説明性とAUCの性能向上を示す.

    DOI: 10.1137/1.9781611977172.22

    Scopus

  • Learning Evolvable Time-series Shapelets 査読

    Akihiro Yamaguchi, Ken Ueo, Hisashi Kashima

    IEEE International Conference on Data Engineering (ICDE)   2022-May   793 - 805   2022年   ISSN:1084-4627 ISBN:9781665408837

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)  

    IoTの活用として機械学習による時系列インスタンスのクラス分類手法が研究されている.特に近年,分類器を学習しながら shapeletsと呼ばれる分類に用いる波形パターンを同時に学習する手法が,分類性能が高く説明性もあるため注目を集めている.本研究では,被験者の慣れ・季節性・機械の劣化などの影響によるshapeletsの変化を予測する技術を提案する.本提案では,時系列インスタンスとそれらが観測されたタイミングやクラスラベルから,shapeletsと分類器だけでなくshapeletsの変化を予測する回帰モデルも同時に学習するように数理最適化問題を定式化する.また本定式化から既製の回帰ソルバをブラックボックスとして利用できる解法を導出する.実験では被験者の慣れ・季節性・機械の劣化がある各産業分野への適用事例で有効性を示す.

    DOI: 10.1109/ICDE53745.2022.00064

    Scopus

  • Learning time-series shapelets via supervised feature selection 査読

    Akihiro Yamaguchi, Ken Ueno

    SIAM International Conference on Data Mining, SDM 2021   262 - 270   2021年   ISBN:9781611976700

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)  

    機械学習による時系列インスタンスのクラス分類問題において,分類に用いる波形パターン(shapelets)を学習する手法が,分類性能が高く説明性もあるため近年注目を集めている.これらの手法は非凸最適化問題として定式化され勾配降下法により局所最適解を見つける.そのため,shapeletsの初期値を適切に選ぶことが重要であり,本研究ではこれらの課題に向けてshapelets学習法を改良する.本研究では教師有り特徴選択の枠組みを導入し,時系列データを構成する大量の部分時系列から分類損失を削減するものを初期shapeletsとして選ぶ.その後,その分類損失を更に削減するように学習データの部分時系列に限定されないshapeletsを学習する.UCR時系列データセットを用いた実験では,shapeletsの個数が少ない場合のshapeletsの説明性と AUCの性能向上における有効性を示す.

    DOI: 10.1137/1.9781611976700.30

    Scopus

  • LTSpAUC: Learning Time-Series Shapelets for Partial AUC Maximization 招待 査読 国際誌

    Akihiro Yamaguchi, Shigeru Maya, Kohei Maruchi, Ken Ueno

    Big Data   2020年10月   ISSN:2167-6461

     詳細を見る

    担当区分:筆頭著者   記述言語:英語   掲載種別:研究論文(学術雑誌)  

    本論文はThe Best of SIAM Data Mining 2020 (Best of SDM 2020)に選定された際に招待されたジャーナルである.本稿には,追加の提案手法,実験評価,詳細説明,アルゴリズム,図,表,参考文献が含まれる.

    IoTの活用に向けて時系列データにおけるクラス分類の研究が進められている.特に近年,分類器を学習 しながらshapeletsと呼ばれる分類に有効な波形パターンを同時に学習する手法が研究されており,分類性能が高く説明性のある手法として近年注目を集めている.一方,医療・製造・保守などの産業分野では,False Positive Rate(FPR)を低い範囲に絞ってArea Under the ROC curve(AUC)を測定するpartial AUC(pAUC)が実用上重要な性能指標となる場合が多い.本論文では,full AUCも含めて任意のFPRの範囲におけるpAUCを最大化するようにshapeletsと分類器とを同時に学習する手法を提案する.実験では,UCR時系列データセットを用いてpAUCの性能向上を示すとともに,各産業分野への適用事例でも有効性を示す.

    DOI: 10.1089/big.2020.0069

  • Lag-aware multivariate time-series segmentation 査読

    Shigeru Maya, Akihiro Yamaguchi, Kaneharu Nishino, Ken Ueno

    Proceedings of the 2020 SIAM International Conference on Data Mining, SDM 2020   622 - 630   2020年   ISBN:9781611976236

     詳細を見る

    掲載種別:研究論文(国際会議プロシーディングス)  

    Large amounts of time-series data have become accessible due to the rapid development of Internet-of-Things technologies and the demand for extracting useful knowledge from these data is increasing. Toward this goal, time-series segmentation — dividing data into similar segments — is a promising method for understanding the mechanisms in time-series data. In this paper, we focus on time-lag that appears in real datasets. Time lag — a typical phenomenon in time-series data — occurs when the speed of information diffusion differs between variables. However, conventional methods cannot distinguish differences in segmentation positions. In response, we propose Lag-Aware Multivariate Time-Series Segmentation (LAMTSS), an algorithm capturing time-lag across variables to determine segmentation positions for each variable. LAMTSS utilizes dynamic time warping without hyperparameter tuning. We confirm the accuracy of LAMTSS using artificial datasets and demonstrate the discovery of useful knowledge in real datasets.

    DOI: 10.1137/1.9781611976236.70

    Scopus

  • RLTS: Robust Learning Time-Series Shapelets 査読

    Akihiro Yamaguchi, Shigeru Maya, Ken Ueno

    The European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD)   595 - 611   2020年   ISSN:0302-9743 ISBN:9783030676575 eISSN:1611-3349

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)  

    機械学習による時系列インスタンスのクラス分類問題において,分類に用いる波形パターン(shapelets)を学習する手法が,分類性能が高く説明性もあるため近年注目を集めている.これらの手法は非凸最適化問題として定式化され勾配降下法により局所最適解を見つける.そのため,時系列インスタンスの学習順序を適切に選ぶことが重要であり,本研究ではこれらの課題に向けてshapelets学習法を改良する.本研究ではカリキュラム学習の一種であるself-paced learningをshapelets学習法に導入し,shapeletsと分類器に加えて学習データの信頼度を同時に学習し,高信頼のインスタンスから優先的に学習する.また,shapeletsと時系列データとの乖離をロバストに測る距離を導入し,そのロバストさも同時に学習する.UCR時系列データセットを用いた実験では, shapeletsの説明性とAUCの性能向上における有効性を示す.

    DOI: 10.1007/978-3-030-67658-2_34

    Scopus

  • LTSpAUC: Learning time-series shapelets for optimizing partial AUC 査読

    Akihiro Yamaguchi, Shigeru Maya, Kohei Maruchi, Ken Ueno

    Proceedings of the 2020 SIAM International Conference on Data Mining, SDM 2020   1 - 9   2020年   ISBN:9781611976236

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)  

    Shapelets are time-series segments effective for classifying time-series instances. Joint learning of both classifiers and shapelets has been studied in recent years, because such methods provide both interpretable results and superior accuracy. Partial Area Under the ROC curve (pAUC) for a low range of False Positive Rates (FPR) is an important performance measure for practical cases in industries such as medicine, manufacturing, and maintenance. In this study, we propose a method that jointly learns both shapelets and a classifier for pAUC optimization in any FPR range, including the full AUC. We demonstrate superiority of pAUC on UCR time-series datasets and its effectiveness in industrial case studies.

    DOI: 10.1137/1.9781611976236.1

    Scopus

  • One-Class Learning Time-Series Shapelets 査読

    Akihiro Yamaguchi, Takeichiro Nishikawa

    IEEE International Conference on Big Data, Big Data 2018   2365 - 2372   2018年7月   ISBN:9781538650356

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)  

    Shapelets are time-series segments effective for classifying time-series datasets. In recent years, the discovery of shapelets by classifier learning has been studied. Methods for shapelet discovery have attracted great interest because they provide not only interpretable results but also superior classifi-cation performance. However, they do not consider imbalanced classifications between majority and minority classes, which may occur in actual applications (e.g., anomaly detection). Our aim is to learn shapelets and classifiers using only training data for the majority class without the minority class. We propose a method called one-class learning time-series shapelets (OCLTS). OCLTS efficiently and simultaneously optimizes both the shapelets and a non-linear classifier based on a one-class support vector machine by a stochastic sub-gradient descent algorithm. Experimental results show the method's effectiveness for interpretability and imbalanced binary classification.

    DOI: 10.1109/BigData.2018.8622409

    Scopus

  • OPOSSAM: Online Prediction of Stream Data Using Self-adaptive Memory 査読

    Akihiro Yamaguchi, Shigeru Maya, Tatsuya Inagi, Ken Ueno

    IEEE International Conference on Big Data, Big Data 2018   2355 - 2364   2018年7月   ISBN:9781538650356

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)  

    There is a need for forecasting of short-range future values in data streams such as traffic flows, stock prices, and electricity consumption. However, concept drift in non-stationary data streams is an important problem. We propose an online prediction method called OPOSSAM for such data streams. OPOSSAM manages time-series segments in short-term memory and long-term memory, and forecasts future values by local regression based on the similarity of time-series segments. In particular, OPOSSAM keeps long-term memory consistent by reducing redundant samples with large prediction errors, and automatically adjusts the prediction model based on short-term memory from the prior model learned from the entire memory in order to deal with concept drift. Experimental results show accuracy superior to that of baseline methods on real-world datasets of traffic flow, stock prices, and electricity consumption.

    DOI: 10.1109/BigData.2018.8622585

    Scopus

  • In-vehicle Distributed Time-critical Data Stream Management System for Advanced Driver Assistance 査読

    Akihiro Yamaguchi, Yousuke Watanabe, Kenya Sato, Yukikazu Nakamoto, Yoshiharu Ishikawa, Shinya Honda, Hiroaki Takada

    Journal of Information Processing   2017年   ISSN:1882-6652

     詳細を見る

    担当区分:筆頭著者   記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.2197/ipsjjip.25.107

  • Reservation-Based Scheduling for Automotive DSMS under High Overload Condition 査読

    Jaeyong Rho, Takuya Azumi, Akihiro Yamaguchi, Kenya Sato, Nobuhiko Nishio

    Journal of Information Processing   2016年   ISSN:1882-6652

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.2197/ipsjjip.24.751

  • EDF-PStream: Earliest Deadline First Scheduling of Preemptable Data Streams -- Issues Related to Automotive Applications 査読

    Akihiro Yamaguchi, Yukikazu Nakamoto, Kenya Sato, Yousuke Watanabe, Hiroaki Takada

    IEEE 21st International Conference on Embedded and Real-Time Computing Systems and Applications (RTCSA)   257 - 267   2015年8月

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:IEEE  

    DOI: 10.1109/rtcsa.2015.31

  • 車載組込みシステム向けデータストリーム処理のリアルタイムスケジューリング方式 査読

    山口, 晃広, 渡辺, 陽介, 佐藤, 健哉, 中本, 幸一, 高田, 広章

    情報処理学会論文誌データベース(TOD)   8 ( 2 )   1 - 17   2015年6月   ISSN:1882-7799

     詳細を見る

    担当区分:筆頭著者   記述言語:日本語  

    近年,自動車では自動運転や衝突回避などが研究開発され,複数のセンサに加えて車々間通信など入力データの到着タイミングやデータ量が変動する車外からのデータ活用が進められている.このようなセンサ情報処理では,センサからデータが発生してから処理が完了するまでのEnd-to-Endのデッドラインをミスしないリアルタイム制約が要求される.データストリーム処理では,低遅延なデータ処理を実現しながら,クエリにより複雑なセンサ情報処理の開発効率を高めることができ,これまで平均遅延時間の削減など様々な目的に応じたスケジューリング方式がネットワークや金融サービスなどの分野で多く研究されてきた.しかし,ストリーム処理で用いられる従来方式は,リアルタイム制約の維持を目的としておらず,この目的の達成には適切ではない.本論文では,リアルタイムスケジューリングのアルゴリズムであるEarliest Deadline Firstに基づくストリーム処理のスケジューリング方式を,これらのセンサ情報処理に適用可能な方式として実現する.これにより,データ量が増加しても優先度の高いデータ処理を遅らせずに処理できる.車々間通信からの入力データ量が増加する場合における車両衝突警告を想定して,提案方式を評価した.その結果,従来方式と比較して,デッドラインミスを削減し,リアルタイム制約を維持しながら車々間通信からの入力データを多く処理することで車両衝突事故の削減に有効であることを確認した.
    Recent automotive systems use a variety of sensor data and communications from outside the vehicle to promote autonomous and safe driving. Such sensor data processing requires to maintain real-time constraints, which require to meet End-to-End deadlines between when data is read from a sensor and when it is processed. Data stream processing eases to design the complicated data processing by query description, and process data at a low latency. Scheduling of stream processing has well been studied according to various purposes such as reduction of average latency, in fields such as networks and financial services. However, the existing methods used in stream processing are not intended to maintain the real-time constraints, and are not appropriate to achieve this purpose. In this paper, we propose scheduling methods of stream processing, based on Earliest Deadline First, which is an algorithm of real-time scheduling, so that the method can be applied to the automotive sensor data processing. By the method, higher priority data can be processed without delaying when increasing the data volume. We evaluated the method by assuming the vehicle collision warning in case to increase the input volume of data from vehicle-to-vehicle (V2V) communications. As a result, we confirmed that the proposed method reduced the deadline miss and the vehicle crash by processing more input data from V2V communications while meeting the deadlines, comparing to the existing methods.

    CiNii Books

    CiNii Research

    J-GLOBAL

  • AEDSMS: Automotive Embedded Data Stream Management System. 査読

    Akihiro Yamaguchi, Yukikazu Nakamoto, Kenya Sato, Yoshiharu Ishikawa, Yousuke Watanabe, Shinya Honda, Hiroaki Takada

    IEEE International Conference on Data Engineering (ICDE)   1292 - 1303   2015年   ISBN:9781479979646

     詳細を見る

    担当区分:筆頭著者   掲載種別:研究論文(国際会議プロシーディングス)   出版者・発行元:IEEE Computer Society  

    DOI: 10.1109/ICDE.2015.7113377

    その他リンク: https://dblp.uni-trier.de/db/conf/icde/icde2015.html#YamaguchiNSIWHT15

  • Vehicle Embedded Data Stream Processing Platform for Android Devices 査読

    Shingo Akiyama, Yukikazu Nakamoto, Akihiro Yamaguchi, Kenya Sato, Hiroaki Takada

    International Journal of Advanced Computer Science and Applications   2015年   ISSN:2156-5570

     詳細を見る

    記述言語:英語   掲載種別:研究論文(学術雑誌)  

    DOI: 10.14569/ijacsa.2015.060240

  • Implementation and Evaluation of Local Dynamic Map in Safety Driving Systems 査読

    Hideki Shimada, Akihiro Yamaguchi, Hiroaki Takada, Kenya Sato

    Journal of Transportation Technologies   2015年   ISSN:2160-0473

     詳細を見る

    掲載種別:研究論文(学術雑誌)  

    DOI: 10.4236/jtts.2015.52010

  • Toward Data-Centric Software Architecture for Automotive Systems - Embedded Data Stream Processing Approach 査読

    Hiroaki Takada, Kenya Sato, Akihiro Yamaguchi, Shinya Honda, Yukikazu Nakamoto

    IEEE 11th Intl Conf on Ubiquitous Intelligence and Computing and 2014 IEEE 11th Intl Conf on Autonomic and Trusted Computing and 2014 IEEE 14th Intl Conf on Scalable Computing and Communications and Its Associated Workshops   2014年12月

     詳細を見る

    出版者・発行元:IEEE  

    In the automotive field, intelligent control systems and information services using vehicle data are rapidly expanding. However, there is no software architecture to efficiently handle sensor data in vehicles and their surroundings. In order to address these problems and develop automotive software with higher productivity and trustworthiness, we have researched and developed data-centric software architecture for a data-stream management system for an automotive embedded system (eDSMS) and a stream local dynamic map (LDM) using eDSMS. An LDM is a collection of data that is intended to be used in cooperative intelligent transportation systems. In this paper, we present features of eDSMS and LDM using eDSMS, and demonstrate collision warning application software with eDSMS and a driver assistance system with a stream-based LDM.

    DOI: 10.1109/uic-atc-scalcom.2014.29

    CiNii Research

  • Android Platform Based on Vehicle Embedded Data Stream Processing 査読

    Masanori Okamoto, Shinya Honda, Akihiro Yamaguchi, Kenya Sato, Mohanmed Bhuiya, Hiroaki Takada, Yukikazu Nakamoto

    IEEE 10th International Conference on Ubiquitous Intelligence and Computing and 2013 IEEE 10th International Conference on Autonomic and Trusted Computing   2013年12月

     詳細を見る

    出版者・発行元:IEEE  

    In the automotive field, intelligent control systems and information services using vehicle data are rapidly expanding. However, there is no software architecture to handle sensor data in vehicles and their surrounding efficiently. To solve these problems, we have researched and developed data centric software architecture for automotive systems. We have also developed a data-stream management system for automotive embedded system (eDSMS) as data centric software architecture. In this paper, we design eDSMS in the Android platform by extending the in-vehicle eDSMS to provide drivers and users with services on the basis of the embedded data processing of eDSMS in a vehicle. We create a class that manages stream processing in eDSMS in the Android platform and a communication method between Android applications and eDSMS in the Android platform with the stream. Application program interfaces for eDSMS in the Android platform and a sample program using the APIs are presented.

    DOI: 10.1109/uic-atc.2013.39

    CiNii Research

  • ADVISE: Autonomous Driving Vehicle for Individuality in a Stream Environment 査読

    Akihiro Yamaguchi, Kenya Sato, Naoyuki Shiba, Shinya Honda, Hiroaki Takada

    The 6th Biennial Workshop on Digital Signal Processing for In-Vehicle Systems   57 - 63   2013年9月

     詳細を見る

    担当区分:筆頭著者  

  • 車載組込みシステム向けデータストリーム管理システムの開発—Development of Automotive Embedded Data Stream Management System 査読

    勝沼 聡, 山口 晃広, 熊谷 康太

    電子情報通信学会論文誌. D, 情報・システム = The IEICE transactions on information and systems / 電子情報通信学会 編   95 ( 12 )   2031 - 2047   2012年12月   ISSN:1880-4535

     詳細を見る

    記述言語:日本語   出版者・発行元:東京 : 電子情報通信学会情報・システムソサイエティ  

    CiNii Books

    CiNii Research

    その他リンク: https://ndlsearch.ndl.go.jp/books/R000000004-I024135235

  • RD-002 車載システム向けデータストリーム管理システムにおけるクエリ自動構築手法(情報アクセスとマイニング,D分野:データベース) 査読

    山口, 晃広, 本田, 晋也, 佐藤, 健哉, 高田, 広章

    情報科学技術フォーラム講演論文集   11 ( 2 )   7 - 14   2012年9月

     詳細を見る

    記述言語:日本語   出版者・発行元:FIT(電子情報通信学会・情報処理学会)運営委員会  

    CiNii Books

    CiNii Research

    J-GLOBAL

  • 車載DSMSにおける静的クエリ最適化 査読

    山口晃広, 山田真大, 勝沼聡, 本田晋也, 佐藤健哉, 高田広章

    情報処理学会シンポジウムシリーズ(CD-ROM)   2011 ( 5 )   2011年   ISSN:1882-0840

     詳細を見る

▼全件表示

書籍等出版物

  • 少ないデータによるAI・機械学習の進め方と精度向上、説明可能なAIの開発

    山口 晃広(担当:分担執筆 範囲:説明性の高い時系列波形データ分析向けAIの開発と異常診断への活用)

    技術情報協会  2024年10月    ISBN:9784867980484

     詳細を見る

    総ページ数:389p   記述言語:日本語  

    CiNii Books

  • 時系列データ解析における課題対応と解析例

    山口 晃広(担当:分担執筆 範囲:Shapelets 学習による時系列分析;説明性のある分類手法)

    情報機構  2024年1月    ISBN:9784865022629

     詳細を見る

    総ページ数:318 p   記述言語:日本語  

    CiNii Books

  • 生産プロセスにおけるIoT、ローカル5Gの活用

    山口 晃広(担当:分担執筆 範囲:時系列センサデータを用いた機械学習によるインフラ設備や製造装置の異常予兆診断手法)

    技術情報協会  2023年6月    ISBN:9784861049545

     詳細を見る

    総ページ数:694p   記述言語:日本語  

    CiNii Books

  • 機械学習・ディープラーニングによる"異常検知"技術と活用事例集

    山口 晃広(担当:分担執筆 範囲:説明性の高い時系列波形異常診断向けAIの開発)

    技術情報協会  2022年12月    ISBN:9784861049132

     詳細を見る

    総ページ数:560 p   記述言語:日本語  

    CiNii Books

  • データ分析の進め方及びAI・機械学習導入の指南 : データ収集・前処理・分析・評価結果の実務レベル対応

    山口 晃広(担当:分担執筆 範囲:設備(単体)での時系列データを元にした異常検知)

    情報機構  2020年7月    ISBN:9784865021912

     詳細を見る

    総ページ数:xvii, 390p   記述言語:日本語  

    CiNii Books

  • 工場・製造プロセスへのIoT・AI導入と活用の仕方

    山口 晃広, 植野 研(担当:分担執筆 範囲:正常時の波形データのみで異常を検知する説明性の高いAIの開発)

    技術情報協会  2020年6月    ISBN:9784861047916

     詳細を見る

    総ページ数:606p   記述言語:日本語  

    CiNii Books

  • Vehicle Systems and Driver Modelling: DPS, Human-to-Vehicle Interfaces, Driver Behavior, and Safety

    Akihiro Yamaguchi, Kenya Sato, Tatsuya Yamakawa, Shinya Honda, Hiroaki Takada(担当:分担執筆 範囲:2. Stochastic behavior modeling for driver assistance using stream data processing)

    2017年8月    ISBN:9781501504129

     詳細を見る

▼全件表示

講演・口頭発表等

  • インフラ・製造分野向け波形異常診断AI 招待

    山口晃広

    IMI Colloquium  2025年1月 

     詳細を見る

    開催年月日: 2025年1月

    会議種別:公開講演,セミナー,チュートリアル,講習,講義等  

  • 説明性の高い時系列波形データ分析向けAIの活用と異常データが少ない場合の評価指標 招待

    山口晃広

    少ないデータによる異常検知技術の導入と活用方法  2024年12月 

     詳細を見る

    開催年月日: 2024年12月

    会議種別:公開講演,セミナー,チュートリアル,講習,講義等  

  • 説明性の高い時系列波形データ分析向けAIの開発と説明性を実現するためのポイント 招待

    山口 晃広

    AIのブラックボックス解析と社内への説明方法  2022年6月 

     詳細を見る

    会議種別:公開講演,セミナー,チュートリアル,講習,講義等  

  • 社会インフラ・製造分野向け時系列波形異常診断技術 招待

    山口 晃広

    時系列データ解析の基礎と異常検知・異常診断技術への応用  2022年6月 

     詳細を見る

    会議種別:公開講演,セミナー,チュートリアル,講習,講義等  

  • 正常時の波形データのみで異常を検知する説明性の高いAIの開発とその使い方 招待

    山口 晃広

    人工知能による異常検知技術とその導入、実用化のポイント  2021年7月 

     詳細を見る

    会議種別:公開講演,セミナー,チュートリアル,講習,講義等  

  • 正常時の波形データのみで異常を検知する説明性の高いAIの開発 招待

    山口 晃広

    人工知能による異常検知技術とその導入、実用化のポイント  2019年12月 

     詳細を見る

    会議種別:公開講演,セミナー,チュートリアル,講習,講義等  

  • 安全運転支援のためのセンサデータのストリーム型処理機構 招待

    山口 晃広

    平成26年度私立大学戦略的研究基盤形成支援事業 進化適応型自動車運転支援システム「ドライバ・イン・ザ・ループ」研究拠点形成 第3回シンポジウム  2015年9月 

     詳細を見る

    会議種別:口頭発表(招待・特別)  

  • AIによる時系列波形データ分析の基礎と社会インフラ・製造分野向け異常検知への応用 招待

    山口 晃広

    時系列データ解析の基礎とAI(人工知能)および異常検知への応用  2021年1月 

     詳細を見る

    会議種別:公開講演,セミナー,チュートリアル,講習,講義等  

▼全件表示

MISC

  • 1D-CAEモデルを利用したガス遮断器向け状態診断技術の開発

    齊藤暁斗, 山口晃広, 新垣隆生, 植野研, 丸島敬, 小川慧, 金谷和長, 落合隆介, 永田真一

    日本機械学会2024年度年次大会   2024年9月

  • 周期波形の僅かな変化を検知可能な1クラスShapelets学習法

    山本昌治, 植野研, 山口晃広

    スマートマニュファクチャリングとシステム健全性管理研究会   13 - 17   2024年7月

     詳細を見る

    担当区分:最終著者  

    DOI: 10.11517/jsaisigtwo.2024.SMSHM-001_13

  • ACM CIKM 2023 参加報告 招待

    山口 晃広

    日本データベース学会 Newsletter 2023年12月号 (Vol.16, No. 7)   2023年12月

  • Spacecraft Propulsion System Diagnosis via MiniRocket: a result of PHMAP 2023 Data Challenge

    Kento Kotera, Akihiro Yamaguchi

    Asia Pacific Conference of the Prognostics and Health Management Society (PHMAP)   2023年9月

     詳細を見る

    担当区分:最終著者  

  • Development of Anomaly Detection Method for Gas Circuit Breaker with 1D-CAE

    Akito SAITO, Akihiro YAMAGUCHI, Ryusei SHINGAKI, Ken UENO, Satoshi MARUSHIMA, Satoi OGAWA, Kazuhisa KANAYA, Ryusuke OCHIAI, Shinichi NAGATA

    The Proceedings of Mechanical Engineering Congress, Japan   2023   J121 - 02   2023年   eISSN:2424-2667

     詳細を見る

    出版者・発行元:Japan Society of Mechanical Engineers  

    DOI: 10.1299/jsmemecj.2023.j121-02

  • 確率的部分時系列表現を用いた時系列データの教師なし表現学習

    小寺 謙斗, 山口 晃広, 植野 研

    人工知能学会研究会資料 知識ベースシステム研究会   127   06   2022年11月   eISSN:2436-4592

     詳細を見る

    記述言語:日本語   出版者・発行元:一般社団法人 人工知能学会  

    DOI: 10.11517/jsaikbs.127.0_06

    CiNii Research

  • Shapelets学習によるインフラ・製造分野向け時系列波形診断技術—特集 説明可能なAI (XAI)の開発動向と応用展開 招待

    山口 晃広

    研究開発リーダー / 技術情報協会 編   19 ( 8 )   5 - 8   2022年11月   ISSN:1349-1393

     詳細を見る

    担当区分:筆頭著者   記述言語:日本語   出版者・発行元:東京 : 技術情報協会  

    CiNii Books

    CiNii Research

    その他リンク: https://ndlsearch.ndl.go.jp/books/R000000004-I032524458

  • Recent Digitization of GIS and Sophistication of Equipment Condition Monitoring and Diagnosis applying AI Technologies

    Eiji Matsumoto, Kazunori Uchida, Minoru Saito, Akihiro Yamaguchi, Toshihiro Maekawa

    CIGRE Paris   2022年8月

  • ICDE 2022 参加報告 招待

    山口 晃広

    日本データベース学会 Newsletter 2022年6月号(Vol. 15, No. 3)   2022年6月

  • Development of advanced AI technologies for condition diagnosis of high voltage switchgear in substations

    Akihiro Yamaguchi, Ken Ueno, Kazunori Uchida, Eiji Matsumoto, Toshiyuki Saida

    CIGRE Kyoto Symposium   93 - 102   2022年4月

     詳細を見る

    担当区分:筆頭著者  

  • Shapelets学習によるインフラ・製造分野向け時系列波形の異常診断技術

    山口晃広

    東芝レビュー   77 ( 1 )   2022年   ISSN:2432-1168

     詳細を見る

    担当区分:筆頭著者  

    J-GLOBAL

  • 時系列波形に基づく異常検知AI技術の高度化 : 誤報・見逃し低減型波形判別と多変量時系列セグメンテーション—Improving Anomaly Detection AI based on Time Series Waveform Data 招待

    山口 晃広, 植野 研

    配管技術 = The piping engineering / 配管技術編集委員会 編   63 ( 3 )   36 - 39   2021年3月   ISSN:0385-9894

     詳細を見る

    担当区分:筆頭著者   記述言語:日本語   出版者・発行元:東京 : 日本工業出版  

    CiNii Books

    CiNii Research

    その他リンク: https://ndlsearch.ndl.go.jp/books/R000000004-I031307250

  • 設備の時系列センサーデータを用いた機械学習による異常診断手法—Fault Diagnosis Method Based on Machine Learning using Time-Series Sensor Data—特集 デジタル変革を加速する東芝のアナリティクスAI

    植野 研, 山口 晃広, 真矢 滋

    東芝レビュー = Toshiba review / 東芝ビジネスエキスパート株式会社ビジネスソリューション事業部 編集・制作   74 ( 5 )   9 - 12   2019年9月   ISSN:0372-0462

     詳細を見る

    記述言語:日本語   出版者・発行元:東京 : 東芝技術企画部  

    CiNii Books

    CiNii Research

    その他リンク: https://ndlsearch.ndl.go.jp/books/R000000004-I032361790

  • 多変量時系列データの柔軟な分割方法の提案

    真矢 滋, 山口 晃広, 稲木 達哉, 植野 研

    人工知能学会全国大会論文集   JSAI2019   1I4J205 - 1I4J205   2019年

     詳細を見る

    記述言語:日本語   出版者・発行元:一般社団法人 人工知能学会  

    IoTの発展に伴い、大量の時系列データが取得可能になりつつある。このような時系列データから有用な知見を発見するために、多変量時系列データを特徴的なパターンに分割するセグメンテーション方法が注目を集めている。しかしながら、既存手法では分割位置が変数に関わらず同一であり、変数間の特徴を捉えることが困難であった。この問題に対応するために、各変数で適切な分割位置を求める手法を提案する。そして、人工データと実データを用いて提案手法の有効性を検証する。

    DOI: 10.11517/pjsai.jsai2019.0_1i4j205

    CiNii Research

  • 次世代車載連携アプリケーション向け分散処理プラットフォームの開発 招待

    高田広章, 石川佳治, 佐藤健哉, 中本幸一, 本田晋也, 山口晃広

    ICTイノベーションフォーラム   2015年10月

     詳細を見る

    担当区分:最終著者  

  • 車々間通信を用いた安全運転支援のためのリアルタイムストリーム処理—ITS研究会 交通センシング,通信,情報処理,一般

    山口 晃広, 佐藤 健哉, 中本 幸一

    電気学会研究会資料. ITS / ITS研究会 [編]   2014 ( 26-39 )   39 - 46   2014年9月

     詳細を見る

    担当区分:筆頭著者   記述言語:日本語   出版者・発行元:東京 : 電気学会  

    CiNii Books

    CiNii Research

    その他リンク: https://ndlsearch.ndl.go.jp/books/R000000004-I025840590

  • 理想的ドライバモデルを目指した時系列センサデータの確率モデルに基づく運転支援システムの検討

    山川達也, 鈴木結香子, 山口晃広, 島田秀輝, 佐藤健哉

    第76回全国大会講演論文集   2014 ( 1 )   101 - 102   2014年3月

     詳細を見る

    記述言語:日本語  

    近年,自動車には多くの車載センサが搭載されており,センサから取得された運転データを用いて様々な安全運転支援システムが研究されている.これらの安全運転支援システムは,現在のセンサ情報をもとに,目の前にある危険を検知することを目的としている.新たなアプローチとして,運転行動をモデル化するという試みがなされている.これらのモデルを利用することで,リアルタイムに取得される運転データをもとに現在の状況を動的に判断することが可能となる.本研究では,車載センサを用いて取得された運転データをもとに確率モデルを作り,安全運転を支援するシステムの検討を行う.

    CiNii Books

    CiNii Research

  • ストリームLDMにおける地図データのストリーム化機構の設計と評価

    伊藤 信一, 山口 晃広, 佐藤 健哉, 本田 晋也, 高田 広章

    情報処理学会研究報告. ITS, [高度交通システム]   2013 ( 2 )   1 - 8   2013年6月   ISSN:0919-6072

     詳細を見る

    記述言語:日本語   出版者・発行元:一般社団法人情報処理学会  

    協調 ITS において,各車両に搭載されたセンサや車々間通信により取得した周辺交通情報や地図情報を階層的に管理する Local Dynamic Map(LDM) の検討がすすんでいる.我々は,LDM にデータストリーム管理システム (DSMS) を適用することにより高速な処理を実現するストリーム LDM を提案してきたが,静的な地図データはデータベース上で扱うため,地図データを取得,処理するための遅延時間が性能上のボトルネックとなっていた.本論文では,ストリーム LDM に地図データのストリーム化機構を導入することにより,静的な地図データも DSMS 上で高速に処理することを可能とし,この問題を解決できることを示す.車両走行シミュレーションデータを使った評価により,地図データとの空間演算の平均レイテンシにおいて,従来方式の数 10 倍の性能を得られることを確認した.

    CiNii Books

    CiNii Research

  • ストリーム処理技術を用いたストリームLDM(Local Dynamic Map)

    SATO Kenya, SHIMADA Hideki, KATSUNUMA Satoshi, YAMAGUCHI Akihiro, YAMADA Masahiro, HONDA Shinya, TAKADA Hiroaki

    同志社大学理工学研究報告   53 ( 3 )   2012年   ISSN:0036-8172

     詳細を見る

▼全件表示

委員歴

  • IJCAI (Special Track on AI4Tech) Program Committee   国際

    2025年 - 現在   

      詳細を見る

    団体区分:学協会

  • ACML Reviewer   国際

    2025年 - 現在   

      詳細を見る

    団体区分:学協会

  • 情報処理学会   アルゴリズム研究運営委員   国内

    2024年 - 現在   

      詳細を見る

    団体区分:学協会

  • 情報処理学会   論文誌デジタルプラクティス編集委員/会誌編集委員   国内

    2024年 - 現在   

      詳細を見る

    団体区分:学協会

  • AIGC Program Committee   国際

    2022年 - 現在   

      詳細を見る

    団体区分:学協会

  • PAKDD Program Committee   国際

    2022年 - 現在   

      詳細を見る

    団体区分:学協会

  • ITISE Program Committee   国際

    2020年 - 現在   

      詳細を見る

    団体区分:学協会

  • ECMLPKDD Program Committee   国際

    2020年 - 2022年   

      詳細を見る

    団体区分:学協会

▼全件表示