九州大学 大学院システム情報科学研究院 情報知能工学部門 イメージ・メディア理解研究室
研究紹介RESEACH
時系列予測
GluTANN：ANN注意機構を備えたTransformerベースの連続血糖モニタリングモデル
"本研究は、血糖値管理と糖尿病治療の意思決定を支援する革新的なモデル「GluTANN」を提案します。
GluTANNは、深層学習モデルのTransformerアーキテクチャを基盤としており、独自の人工ニューラルネットワーク（ANN）を自己注意機構として組み込んでいます。さらに、エンコーダー・デコーダー構造によってデータ間の相関関係を維持することで、高い予測精度を保ちながら、予測の不確実性を低減するように設計されています。
5つの公的なデータセットを用いた広範な実験により、GluTANNが不確実性を減らし、優れた予測精度を維持できることが実証されました。これにより、効果的な血糖値管理や、医師がより的確な医療判断を下すための実行可能なアプローチを提供します。
GluTANNは、血糖値予測の不確実性という重要な課題を解決し、糖尿病患者の健康管理を大きく改善する可能性を秘めています。"
GluTANNは、深層学習モデルのTransformerアーキテクチャを基盤としており、独自の人工ニューラルネットワーク（ANN）を自己注意機構として組み込んでいます。さらに、エンコーダー・デコーダー構造によってデータ間の相関関係を維持することで、高い予測精度を保ちながら、予測の不確実性を低減するように設計されています。
5つの公的なデータセットを用いた広範な実験により、GluTANNが不確実性を減らし、優れた予測精度を維持できることが実証されました。これにより、効果的な血糖値管理や、医師がより的確な医療判断を下すための実行可能なアプローチを提供します。
GluTANNは、血糖値予測の不確実性という重要な課題を解決し、糖尿病患者の健康管理を大きく改善する可能性を秘めています。"
国際会議 (査読有)
- Sijie Xiong, Youhao Xu, Cheng Tang, Jianing Wang, Shuqing Liu, Atsushi Shimada
GluTANN: Transformer-Based Continuous Glucose Monitoring Model with ANN Attention
2025 IEEE Conference on Artificial Intelligence (CAI), pp.543-548, 2025.05
BibTeX
時系列予測のための負のフィードバックによるMambaの非線形依存性の強化
"本研究は、金融分野や制御システムにおける「曲率」の概念に着想を得て、新たなモデル「CME-Mamba」を提案します。
CME-Mambaは、複雑なパターンを解明し、将来の状態を予測する能力に優れています。このモデルは、特に周期性や高次元性を持つデータに対して、その性能を大幅に向上させることが、広範な実験によって示されています。本研究では、CME-Mambaの有効性、安定性、堅牢性などについて詳細に議論しています。
多岐にわたるドメインでの実験を通じて、CME-Mambaが優れた競争力を持つことが実証されました。このモデルは、様々な状況において複雑な傾向を正確に予測する、強力なツールとなり得ます。"
CME-Mambaは、複雑なパターンを解明し、将来の状態を予測する能力に優れています。このモデルは、特に周期性や高次元性を持つデータに対して、その性能を大幅に向上させることが、広範な実験によって示されています。本研究では、CME-Mambaの有効性、安定性、堅牢性などについて詳細に議論しています。
多岐にわたるドメインでの実験を通じて、CME-Mambaが優れた競争力を持つことが実証されました。このモデルは、様々な状況において複雑な傾向を正確に予測する、強力なツールとなり得ます。"
論文誌 (査読有)
- Sijie Xiong, Cheng Tang, Yuanyuan Zhang, Haoling Xiong, Youhao Xu, Atsushi Shimada
Enhancing Nonlinear Dependencies of Mamba via Negative Feedback for Time Series Forecasting
Applied Soft Computing, Vol.184, p.113758, 2025.08
BibTeX