研究内容

研究方針

• 3年生の3月に研究テーマをいくつか提示し、その中から好きなテーマを選んで、研究を進めていきます。

• 4年生になると、2週間に1回のペースで全体ミーティングを開催します。全体ミーティングを通して議論する力であったり発表する力を身に着けていきます。

• 進捗に応じて個別ミーティングをセットします。論文投稿の時期や学会発表の時期は頻度を高めて、論文推敲や発表練習を実施します。

• 進捗に応じて、外部への発信を実施していきます。例えば、目に見える研究成果がでれば、4年生でも国際会議や学術雑誌への投稿を行います。

  • 大学院への入学を目指す学生は、４年生から投稿経験を積んでおくことにより、大学院で受給する奨学金の免除や外部ファンドの獲得を目指すことができます。

• コアタイムはありませんし、リモートでの研究作業を許容しています（が、研究を加速させるため、登校しての研究活動を推奨しています）。

これまでの研究テーマの一覧

• 膨大なバスの運行データの効率的な解析技術

  • バスの運行事業者からいただいたバスのセンサーデータを解析し、運行状況解析・乗降客解析・消費燃料解析を行っています。

• ネットワークコンフィグレーションの自動生成技術

  • ルータやスイッチといったネットワーク機器の設定情報（コンフィグ）を機械学習（教師無し学習）によって解析し、「設定」として意味を持つコンフィグの集合抽出を行っています。

• エッジデバイスを用いた顔認証システムの構築技術

  • 複数のRaspberry PiやJetson Nanoを用いて、複数拠点間での顔認証基盤を構築しています。

• 膨大な数のノードによるブロックチェーンネットワークの生成技術

  • Bitcoinネットワークの決済速度向上手法についての研究を行っています。

  • ブロックチェーンネットワークを効率化するオーバレイネットワーク技術（分散コンピューティング技術）に関する研究も行っています。

• ネットワークの状態に応じたリアルタイム映像解析技術

  • ネットワークの状況や解析マシンのリソースの状況に応じて、解析アルゴリズムを切り替える手法についての研究を行っております。

• ニューラルネットワークの分散管理技術

  • ニューラルネットワークを分割し、複数のマシンで分散的に実行する基盤やその理論体系に関する研究を行っております。

• 深層強化学習を用いたゲームプレイヤーの自動操作技術

  • 深層強化学習をゲームに応用し、高速なゲームクリアを行うエージェントの生成技術についての研究を行っております。

• エッジデバイスを用いた低コスト映像解析技術

  • 複数のRaspberry PiやJetson Nanoを用いて、複数拠点間でリアルタイムにて撮影された動画の解析基盤を構築しています。

• 超高精細映像の並列分散解析技術

  • 8k, 16kといった画像を高速にて解析するため、複数のマシンを利用した分散解析技術の研究を行っております。

• 膨大なネットワークデータの圧縮・復元技術

  • GAN(Generative Adversarial Networks)を用いて、低解像度のトラフィックデータから高解像度のトラフィックデータを生成する技術の研究を行っております。

• 仮想マシンにおける動的なマシンリソースの割り当て技術

  • Dockerコンテナ間で、負荷状況に応じて、割り当てリソースを最適化する研究を行っております。

• 複数カメラを用いた協調的状況解析技術

  • 複数のカメラ間で、撮影状況に応じて最適な解析アルゴリズムに切り替える研究を行っております。