| 9月26日(水) | 時間 | Room1 (A108) | Room2 (A109) | Room3 (A110) |
| 09:30-11:30 | OS3A(5） システム学のため/からの計算知能 座長：畠中 利治(大阪大学) |
GS1(6) 機械学習 座長：長山 格(琉球大学工学部) |
GS2(6) 最適化・進化 座長：飯間等（京都工繊大） |
|
| 11:30-12:30 昼休み | ||||
| 12:30-13:45 特別講演１ Room4(A102) 「超スマート社会における価値共創型ものづくりの実現を目指して ～SIPにおける取組みを中心に～ 」 貝原俊也 (神戸大学） |
||||
| 14:00-16:00 | OS3B(5) システム学のため/からの計算知能 座長：増田 寛之(富山県立大学) |
OS4(6) 機械学習技術に関する最新動向 座長：鈴木 拓央(愛知県立大学),澁谷 長史、(筑波大学) |
GS3(6) 知能システム１ 座長: 渡辺 桂吾(岡山大学大学院自然科学研究科) |
|
| 16:10-17:50 | OS3C(4) システム学のため/からの計算知能 座長：岡本 卓(SENSY 株式会社） |
OS6(3) 都市とエージェントシミュレーション 座長： 内種岳詞（神戸大学） |
OS1(5) 集合知による評価とクラスタリング 座長：円谷友英（兵庫県立大学） |
|
| 18:00~20:00 懇親会 | ||||
| 9月27日(木) | Room1 (A108) | Room2 (A109) | Room3 (A110) | |
| 10:00-12:00 | OS2(5)
実問題と計算知能 座長：折登 由希子(広島大学) 半田 久志(近畿大学), |
GS4(6) 深層学習１ 座長：濱上知樹（横浜国大） |
GS5(6) 知能システム２ 座長：鈴木 昌和(東海大学) |
|
| 昼休み12:00-13:20 | ||||
| 13:20-15:20 | OS5(5) AI・機械学習応用研究の最前線 座長：舘山武史（愛知工科大） |
GS6(6) 深層学習２ 座長：小圷 成一(千葉大学) |
GS7(6) 知能システム３ 座長：福山 良和(明治大学) |
|
| 15:30-16:30 特別講演２ Room4(A102) 「IoTで実現するスマート治療室SCOT」 村垣善浩 (東京女子医大） |
||||
| 16:30 表彰式 | ||||
|
GS1-1 ST-18-053 |
機械学習を用いたモーターの異常検知 Motor defect detection with machine learning |
|
白井 友貴,強福 趙,市村 翔一,太田 亮,岩崎 考祐(会津大学) Shirai Tomoki(University of Aizu),Qiangfu Zhao(University of Aziu),Ichimura Shoichi,Ota Ryo,Iwasaki Kosuke(University of Aizu) | |
| モーターの異常を検知するために、機械学習が使用できると考える。本稿は機械学習による検査方法を考察する。モーターの以上には様々な種類があるが、今回は異音と振動だけを考える。実験において正常、異常、振動の３種類のモーターの開店時の音声を収録し、これらのデータからMFCC特性を抽出して、サポートベクターマシンで分類してみた。結果、95%以上の認識率を得られた。 |
|
GS1-2 ST-18-054 |
エレベーター運行履歴を用いた機械学習による階床間交通需要予測 Interfloor traffic forecasting by machine learning from elevator service log |
|
下出 直樹,淺原 彰規,北野 佑,佐藤 信夫,助田 浩子,羽鳥 貴大,鳥谷部 訓,棚林 颯,前原 知明(日立製作所) Shimode Naoki,Asahara Akinori,Kitano Yu,Sato Nobuo,Sukeda Hiroko,Hatori Takahiro,Toriyabe Satoru,Tanabayashi Hayate,Maehara Tomoaki(Hitachi, Ltd) | |
| 従来の群管理エレベータでは、各階床での過去数分の乗降数にもとづき配車されるが、この手法では出退勤時などの階床間移動の需要が急激に変化すると、本来の需要に適さない配車をしてしまうことがある。本研究では、過去数か月分の運行履歴から学習した勾配ブースティング回帰木を用いて階床間移動需要を予測する手法を提案する。また実際のオフィスビルの運行履歴にもとづくシミュレーションデータで評価した結果を報告する。 |
|
GS1-3 ST-18-055 |
(取り消し) nan |
|
nan nan | |
| nan |
|
GS1-4 ST-18-056 |
未分類状態を考慮した隠れセミマルコフモデルによる時系列パターン解析 The time series pattern analysis using a hidden semi Markov model considering the unclassifiable states |
|
迎田 隆幸,島 圭介(横浜国立大学) Mukaeda Takayuki,Shima Keisuke(Yokohama National University) | |
| 本研究では，時系列信号の分類問題において学習時に想定しない異常なパターンを考慮できる新たな統計モデルを提案する．学習した状態に含まれない未知の分布を表現する確率密度関数を隠れセミマルコフモデルに導入することで，時間依存性を考慮した異常検知が可能となる．実験では未分類のパターンを含む人工データやヒトの作業動作に対して状態分類を行い，それぞれのデータの分類結果から提案法の有効性を示した． |
|
GS1-5 ST-18-057 |
代替学習による3次元CG歩行モデルの頑健なモーションパターン判別 A Study on Robust Motion Recognition by Using 3DCG Model and Alternative Learning |
|
上原 和加貴(琉球大学大学院理工学研究科情報工学専攻),土谷 真一(琉球大学工学部),宮里 太也(琉球大学大学院理工学研究科情報工学専攻),長山 格(琉球大学工学部) Uehara Wakaki(Graduate School of Science and Engineering, University of the Ryukyus),Tsutiya Shin-ichi(Faculty of Engineering, University of the Ryukyus),Miyazato Takaya(Graduate School of Science and Engineering, University of the Ryukyus),Nagayama Itaru(Faculty of Engineering, University of the Ryukyus) | |
| 本研究では、防犯カメラやスポーツ、身体リハビリテーション、日常作業での安全確保など、多方面にわたって応用できるモーション認識システムを実現するため深層学習を用いた挙動認識システムの開発を試みる。特に、頑健な挙動識別機能を実現するため、運動中の人物の動き・モーションを3DCGで生成した歩行の動画像を用いて深層学習と代替学習を行い、挙動識別システムの作成を試みる。 |
|
GS1-6 ST-18-058 |
行動則の因子情報に基づいた学習エージェントの知識再利用 Knowledge reusing of learning agent based on factor information of behavioral rule |
|
齊藤 史哲(千葉工業大学) SAITOH Fumiaki(Chiba Institute of Technology) | |
| 本研究は自律エージェントの複数環境に対する学習結果をデータとし，それらから知識抽出を試みるものである。これにより，複数環境に適応するエージェントの構築が期待できる。知識抽出には非負値行列因子分解を用いることで，強化学習エージェントが経験した環境に対して複数構築されたQ-tableの集合に対する共通要因を因子として抽出する。これを通じて，学習エージェントによる知識の再利用の可能性について議論・検討を行う。 |
|
OS1-1 ST-18-080 |
客観指標と主観評価の比較による読み物に対する好みの抽出 Individual reading preference by comparing subjective evaluation and objective index |
|
劉 瑞琳(兵庫県立大学) LIU RUILIN(University of Hyogo) | |
| 本研究では、一対比較による主観評価を形態素解析による客観指標と比較することで、個人の読み物に対する好みを導く。好みは語感などの評価基準の重みとして表す。主観評価は評価基準のもとで一対比較を行い、一対比較行列で与える。また、形態素解析結果から評価基準の重みに変換して客観指標が与える。得られた主観評価を客観指標に反映して、好みを表す重みを求める。 |
|
OS1-2 ST-18-081 |
確率的ラフ集合に基づくRough Set C-Meansクラスタリングに関する一考察 A Study on Rough Set C-Means Clustering Based on Probabilistic Rough Set |
|
馬戸 啓輔,生方 誠希,野津 亮,本多 克宏(大阪府立大学) Umado Keisuke,Ubukata Seiki,Notsu Akira,Honda Katsuhiro(Osaka Prefecture University) | |
| Hard C-Means (HCM) 法をラフ集合理論に基づいて拡張した手法として，二項関係によって粒状化された近似空間上で上下近似を施しながらクラスタリングを行うRough Set C-Means (RSCM) 法が提案されている．RSCM法では下近似と上近似の重心の凸結合によってクラスター中心を算出するが，算法の理論的根拠は明らかでない．本研究では，上下近似の重心の中間を採る方法として，確率的ラフ集合における確率的下近似を使用する方法を提案し，その効果を検証する． |
|
OS1-3 ST-18-082 |
ファジィ二項関係に基づくRough Membership C-Means法に関する一考察 A Study on Rough Membership C-Means Clustering Based on Fuzzy Binary Relations |
|
加藤 弘規,生方 誠希,野津 亮,本多 克宏(大阪府立大学) Kato Hiroki,Ubukata Seiki,Notsu Akira,Honda Katsuhiro(Osaka Prefecture University) | |
| Hard C-Means (HCM) 法をラフ集合理論に基づいて拡張したRough Set C-Means (RSCM) 法を発展させたRough Membership C-Means (RMCM) 法が提案されている．RMCM法は二項関係によって粒状化された近似空間におけるクラスタリングモデルであり，対象のクラスターへの帰属度を，対象の近傍内でのクラスター比率を表すラフメンバシップ値により決定する．本研究では，二項関係をファジィ二項関係に拡張し，より詳細な近傍情報を利用することで，分類にどのような影響が生じるかについて考察する． |
|
OS1-4 ST-18-083 |
Min演算を用いたOR演算型ファジィ推論モデルの性質 On the Properties of OR Operation-Type Fuzzy Inference Model Using Min Operation |
|
関 宏理(大阪大学) Seki Hirosato(Osaka University) | |
| 本論文ではファジィルールにORとしてmin演算を考慮したファジィ推論モデルの性質について述べる。本稿では，Min演算を用いたOR型ファジィ推論モデルを提案する．また，ファジィ推論の等価性を用いることにより，Min 演算を用いたとしても簡単に推論結果を求めることができることも示す．さらに，等価性による式変形により，Min 演算，Max 演算を用いたとしても最急降下法が使用できる適用可能性をも示す． |
|
OS1-5 ST-18-084 |
強化学習システムにおける学習周期の無作為抽出による適応 Adaptation by Random Sampling of Learning Cycle in Reinforcement Learning System |
|
野津 亮,安田 功嗣,生方 誠希,本多 克宏(大阪府立大学) Notsu Akira,Yasuda Koji,Ubukata Seiki,Honda Katsuhiro(Osaka Prefecture University) | |
| 強化学習システムでは，設計者が設定する学習周期にその学習の効率が大きく左右される．学習周期が短いと状態数が爆発的に増えてしまい学習が終わらず，逆に，学習周期が長いと大雑把な学習しかできない．本研究では，うまく学習できない，あるいは学習速度が遅い場合，学習周期をランダムに変更することでシステムを適応させるための枠組みを提案する．数値実験によってその有効性を示す． |
|
OS2-1 ST-18-085 |
進化計算による探索のための1変数削減モデルによる探索空間の無制約化 Construction of Unconstrained Search Space by One-variable Reduction Model for EC's Search |
|
折登 由希子(広島大学),花田 良子(関西大学) Orito Yukiko(Hiroshima University),Hanada Yoshiko(Kansai University) | |
| 進化計算は無制約な探索空間においては有効な探索を行うが、制約付き探索空間においては探索の停滞が起こる場合がある。本研究では、等式制約付き探索空間を1自由度削減することで無制約な空間へ変換する変数削減モデルを提案する。資産配分問題に対して提案モデルの有効性を示す。 |
|
OS2-2 ST-18-086 |
冗長経路除去とSequential Minimal Optimizationを用いたネットワークルーティング問題の高速解法 An Efficient Solution Search Method for Network Routing Problems Using Removing Redundant Paths and Sequential Minimal Optimization |
|
樋田 一博(千葉大学大学院),岡本 卓(SENSY株式会社),小圷 成一,下馬場 朋禄,伊藤 智義(千葉大学) Toyoda Kazuhiro(Graduate School of Chiba University),Okamoto Takashi(SENSY Inc.),Koakutsu Seiichi,Shimobaba Tomoyoshi,Ito Tomoyoshi(Chiba University) | |
| ネットワークルーティング問題は，混雑したネットワーク内の複数プレイヤの経路選択の振る舞いを数理モデル化したものである。本問題では，膨大な経路数をもつネットワークにおいて，現実的な時間内に解を得ることが困難となっている。本研究では，経路選択の候補に含まれない冗長な経路を決定変数から除去する手法とSequential Minimal Optimizationを用いた解法を提案し，計算時間の短縮を図る。 |
|
OS2-3 ST-18-087 |
RoboCupサッカーにおける敵を考慮した評価関数の設計 Designing an Evaluation Function that Considers Opponents for RoboCup Soccer |
|
福島 卓弥,中島 智晴(大阪府立大学),秋山 英久(福岡大学) Fukushima Takuya,Nakashima Tomoharu(Osaka Prefecture University),Akiyama Hidehisa(Fukuoka University) | |
| サッカーエージェントの意思決定にはフィールド状態の評価関数が必要である．すべてのフィールド状態に対して人手で評価関数を作ることは困難なため，評価関数を自動作成することにする．本論文では，ニューラルネットワークを用いて評価関数をモデル化する．モデルへの入力をボールの位置や敵プレイヤの位置とし，フィールド状態の評価値をモデルの出力とする．入力情報を変化させてサッカーエージェントの性能を調査する． |
|
OS2-4 ST-18-088 |
ニューラルネットワークのL1正則化における進化型多目的最適化適用に関する検討 EMO for the L1-normalization of Neural Networks |
|
北橋 未先,半田 久志(近畿大学) Kitahashi Misaki,Handa Hisashi(Kindai University) | |
| 本稿では、ニューラルネットワークのL１正則化の進化的アプローチについて検討する。本稿では、MOEA/DEの子個体生成を勾配降下法に置き換えたアルゴリズムを用いる。問題の目的を「本来の目的関数」と「パラメータのL1ノルム」の2つとすることで多目的最適化問題とみなし、MOEA/DEを適応して幅広い解集団を導出する。いくつかの方法で実験を行い、その比較と進化的アプローチの有用性について検討する。 |
|
OS2-5 ST-18-089 |
LSTMを用いた疲労き裂進展速度予測に関する検討 Prediction of Fatigue Crack Progress by Using LSTM |
|
志村 駿介(近畿大学大学院),半田 久志,和田 義孝(近畿大学) Shimura Shunsuke,Handa Hisashi,Wada Yoshitaka(Kindai University) | |
| 疲労き裂の進展は重大な事故を引き起こす可能性がある。しかし同じロットの製品であっても，強度にばらつきが生じ、疲労き裂の進展速度には差が生じる。本研究では深層学習の1つであるLSTMを用いて早期の疲労き裂進展速度から直後の疲労き裂進展速度の予測を行う．シミュレーションに基づいた実験とその結果ならびに考察について発表する。 |
|
OS3A-1 ST-18-039 |
カメラ画像のみを用いたUAVの目標追跡 Target Tracking of UAV Only by Using Camera Image |
|
齋藤 雄翔,前田 裕,黒江 康明(関西大学) Saito Yuto,Maeda Yutaka,Kuroe Yasuaki(Kansai-University) | |
| 私はUAVを用いた位置制御を行っています。UAVの制御を行う際はGPSを用いた制御を行うのが一般的である。しかし、GPSは利用できない環境が存在する。そこで本研究ではどのUAVにも搭載されているカメラ一つのみを用いて制御を行う。目標をHSV領域において指定し、その指定した領域のピクセルの数を数えることで距離を推定する。このようにして、動く目標の追従をする制御を行う。また、この際にはファジィ制御を用いる。 |
|
OS3A-2 ST-18-040 |
視点の移動を考慮した車両旋回時の景色の流れに関する考察 A study of optical flow based on gaze movement in vehicle cornering |
|
永井 祐輔,増田 寛之,澤井 圭,本吉 達郎,玉本 拓巳,小柳 健一,大島 徹(富山県立大学) Nagai Yusuke,Masuta Hiroyuki,Sawai Kei,Motoyoshi Tatsuo,Tamamoto Takumi,Koyanagi Ken'ichi,Osima Toru(Toyama Prefectural University) | |
| 本研究では，人間に違和感を抱かせない車両制御の実現を目指している．違和感を抱かせない車両制御を実現するためには，人間の感覚情報を参考にした車両制御が有効であると考える．旋回時における人間の運転では，視点の移動と景色の流れが運転に影響を与えている．そこで本稿では，車載カメラ画像を用いて視点の移動を考慮した車両旋回時の景色の流れについて考察する． |
|
OS3A-3 ST-18-041 |
四元数ELMに基づくカラーナイトビジョンシステムのDSPへの実装および評価 A DSP-implementation for Color Night Visin System Based on Quaternionic Extreme Learning Machine |
|
藤井 航基,礒川 悌次郎(兵庫県立大学),辻 雅之(日本ケイデンス・デザイン・システムズ社),湯本 高行,上浦 尚武(兵庫県立大学) Fujii Kouki,Isokawa Teijiro(University of Hyogo),Tsuji Masayuki(Cadence Design Systems, Inc),Yumoto Takayuki,Kamiura Naotake(University of Hyogo) | |
| 本発表では，超複素数の一つである四元数に基づき構成されたエクストリーム学習器を用いて薄明状況下で撮像された画像から色彩情報を復元するカラーナイトビジョンシステムを構成した結果を示す．また，本提案システムをXtensa DSP上に実装し，実行速度や色彩情報復元能力に関する性能表かについても報告する． |
|
OS3A-4 ST-18-042 |
Autoencoderによる特徴抽出機構を伴ったニューラルネットワークの並 列学習法 A parallel learning method of neural networks with feature extraction mechanism by autoencoder |
|
松井 央佑(千葉大学),岡本 卓(SENSY 株式会社),小圷 成一,下馬場 朋禄,伊藤 智義(千葉大学) Matsui Osuke(Chiba Univ.),Okamoto Takashi(SENSY Inc.),Koakutsu Seiichi,Shimobaba Tomoyoshi,Ito Tomoyoshi(Chiba Univ.) | |
| 深層学習は高い表現力を有し，現実の複雑な問題に対し優れた性能を示す。しかし，複雑なネットワークの学習は過学習や勾配消失などの問題により学習が停滞することが障壁となっている。このような問題に対し，Autoencoderにより本来の学習を行う前に，事前学習を行う手法の有効性が確認されている。本研究では，Autoencoderの性能を向上させるためにノイズを付加して事前学習を行うDenoising Autoencoderに関して，事前学習と本来の学習を同時に行う手法を提案する。 |
|
OS3A-5 ST-18-043 |
逆最適化を用いた意思決定のモデリングと誘導 Modelling and guidance of decision-making using inverse optimization |
|
村田 純一,村上 優,船木 亮平(九州大学) Murata Junichi,Murakami Masaru,Funaki Ryohei(Kyushu University) | |
| 人の行動から，逆最適化を利用して，その行動を導く意思決定の過程を表すモデルを作成し，さらにそれに基づいて人の行動を誘導する方法を提案する． |
|
OS3B-6 ST-18-044 |
計算知能による教育／学習システムの構築に関する考察 A Study on Systems of Education and Learning with Computational Intelligence |
|
近藤 伸彦(首都大学東京),畠中 利治(大阪大学) Kondo Nobuhiko(Tokyo Metropolitan University),Hatanaka Toshiharu(Osaka University) | |
| 近年、データに基づく教育／学習の改善が高等教育を中心に盛んになってきている。教育／学習は、学習者と教授者、学習内容、学習環境など、多様で不確実な要素から構成される一方で、それらを包括的なシステムとして捉え、数理的なモデルに基づいた問題解決を行うアプローチはまだ発展途上といえる。本発表では、教育／学習についてシステムの観点から整理し、計算知能の知見をもとに知能的な問題解決を行うことについて考察する。 |
|
OS3B-7 ST-18-045 |
高速ブロック学習型自己組織化マップに基づく健康診断結果による疾病予測システムの構築 Fast Block-Matching-Based Self-Organizing Maps for Predicting Chronic Diseases |
|
成田 健,礒川 悌次郎,松井 伸之,湯本 高行,上浦 尚武(兵庫県立大学大学院),岡本 稔(株式会社AncientTree),高山 哲朗(予測医学研究所) Narita Ken,Isokawa Teijiro,Matsui Nobuyuki,Yumoto Takayuki,Kamiura Naotake(University of Hyogo),Okamoto Minoru(AncientTree,Inc.),Takayama Tetsuro(Predictive Medicine Institute) | |
| 健康管理支援のための患者の健康状態を予測するシステムを自己組織化マップ（SOM）の一種であるTBMSOMを用いて構築する．TBMSOMとは，勝者探索をニューロンではなく複数のニューロンが集まったブロックを用いて学習を行うSOMである．データセットとしてある時点でのBMIや中性脂肪などの健康診断結果を入力データとして用い，システムの出力として，将来において高血圧やメタボリック症候群などの疾病に罹患するかどうかという予測を行う．このシステムの評価を行うために実際の健康診断データを用いて予測精度の評価を行った結果を報告する． |
|
OS3B-8 ST-18-046 |
マーカレス腫瘍追跡のための隠れマルコフモデルを用いたX線動画像からの物体輝度抽出 Hidden Markov model-based extraction of tumor target in X-ray image sequence for markerless tumor tracking |
|
新藤 雅大,市地 慶,本間 経康(東北大学),張 曉勇(仙台高等専門学校),杉田 典大,八巻 俊輔(東北大学),髙井 良尋(脳神経疾患研究所),吉澤 誠(東北大学) Shindo Masahiro,Ichiji Kei,Homma Noriyasu(Tohoku University),Zhang Xiaoyong (National Institute of Technology, Sendai College),Sugita Norihiro ,Yamaki Shunsuke(Tohoku University),Takai Yoshihiro(Research Institute for Neuroscience),Yoshizawa Makoto(Tohoku University) | |
| 肺がんなど呼吸等に起因して移動する腫瘍への放射線治療においては，X線透視による体内腫瘍位置の計測が重要である．しかし，軟部組織である腫瘍は，骨などの他組織と重畳することで不明瞭に描出され，その正確な追跡は困難である．本研究では，隠れマルコフモデルの隠れ状態として腫瘍像を表現し、観測可能な重畳像から対象を分離する手法を提案し，臨床画像を用いた腫瘍像の分離と追跡実験によりその有効性を検証する． |
|
OS3B-9 ST-18-047 |
遺伝子ネットワークにおける周期発現パターン遷移列の位相・周期感度の解析法 Analysis method of phase and period sensitivity for cyclic expression pattern sequences in gene regulatory networks |
|
森 禎弘,黒江 康明(京都工芸繊維大学) Mori Yoshihiro,Kuroe Yasuaki(Kyoto Institute of Technology) | |
| 生体には様々なリズム現象が存在し、その多くは遺伝子ネットワーク(GRN)によって司られている。本稿では、GRNのリズム現象の特徴量である位相と周期の感度解析法を提案する。感度は通常、感度方程式あるいは随伴方程式を導出し、これらを解くことにより求めることが一般的である。本稿では区分的に線形なGRNのモデルに対し、これらの方程式を求めることなく解析的に感度を求める方法を提案する。 |
|
OS3B-10 ST-18-048 |
アナログ回路による複素ニューロンの実装 Implementation of complex-valued neuron for an analog circuit |
|
山下 風雅,前田 裕(関西大学),小川 真澄(エム・オー電子開発株式会社),黒江 康明(関西大学) Yamashita Fuga,Maeda Yutaka(kansai university),Ogawa Masumi(MO Institute of Electrical Instrument Co ,.Ltd),Kuroe Yasuaki(kansai university) | |
| 複素ニューラルネットワークにおける複素数情報を正弦波の振幅と位相に委ね、アナログ回路による複素ニューラルネットワークの実現を目指した。複素ニューロンモデルを基に乗算器・加算器・フィルタを用いて複素ニューロンをアナログ回路で設計した。設計した回路が単一のニューロンとして動作することを確認した。 |
|
OS3C-11 ST-18-049 |
入出力データの逐次生成による能動学習統合型最適化法 Integrated Optimization Method with Active Learning Using Iteratively Produced Input-Output Data |
|
相吉 英太郎(統計数理研究所),田村 健一,安田 恵一郎(首都大学東京) Aiyoshi Eitaro(The Institute of Statistical Mathematics),Tamura Kenichi,Yasuda Keiichiro(Tokyo Metropolitan University) | |
| 学習データを逐次生成しながらの入出力関係の反復的モデリングを統合した最適化法を提案する．無限個の不等式条件を有限個の学習データに対応した有限個の不等式条件に緩和した問題を想定し，新たに生成する学習データに対する近似精度条件をこの緩和問題に逐次付加することで，入出力モデルの近似精度を保証しながら，より精度の高い大域的最適解を求めることができる． |
|
OS3C-12 ST-18-050 |
部分観測マルコフ決定問題に対する群強化学習法-Swarm HQ-Learning- Swarm Reinforcement Learning Method for Partially Observable Markov Decision Process-Swarm HQ-Learning- |
|
竹内 健也,黒江 康明,前田 裕(関西大学) Takeuchi Kenya,Kuroe Yasuaki,Maeda Yutaka(Kansai university) | |
| 強化学習において対象の問題はマルコフ性があり全状態を完全に知覚できると仮定することが多い。ところが、現実の問題では環境を完全に観測できるとは限らない。そのような場合、異なる状態を同一の状態として認識し学習が困難となる。本研究では、このような不完全知覚問題における学習を高速化及びより良い解の導出を目的に群強化学習法を用いてHQ-Learningを拡張した手法を提案する。また、HQ-Learningとの比較実験を通して提案法の有効性を示す。 |
|
OS3C-13 ST-18-051 |
対話型進化計算における解評価への影響が強い変数の推定法 Estimation of influential variables in solution evaluation in interactive evolutionary computation |
|
杉本 顕武郎,村田 純一,船木 亮平(九州大学) Sugimoto Kentarou,Murata Junichi,Funaki Ryohei(Kyushu University) | |
| 対話型進化計算においてユーザーの評価基準が分かれば、最適化にかかる時間を短くできるなどの利点がある。本論文では、ユーザーが解を評価する際に何を重要視しているのかを推定する方法を提案する。進化計算では、評価への影響が強い変数ほど早く収束しやすい。提案手法では、各変数の値のばらつき具合をエントロピーによって表し、探索過程で得たエントロピーからユーザーが評価する際に重要視している変数を推定する。 |
|
OS3C-14 ST-18-052 |
群知能による進化的マルチタスキングに関する検討 A study on Evolutionary Multitasking by Swarm Intelligence |
|
横谷 元,畠中 利治(大阪大学) Yokoya Gen,Hatanaka Toshiharu(Osaka University) | |
| 進化計算や群知能では、単一の目的関数の最適化と集団での探索を活かす多目的最適化が中心に研究が進められてきたが、近年、evolutionary multitasking への展開が注目されている。これは、複数のタスクに対して、効率的に解を得ることを目指しており、多目的最適化と同様に集団探索である利点を積極的に活用するものであえる。本発表では、ベンチマークにABCに基づくアルゴリズムから接近することを試みている。 |
|
OS4-1 ST-18-059 |
強化学習における「認知の歪み」を利用した役割分化の促進：追跡問題における一検討 A promoting method of role differentiation using "cognitive distortion" in reinforcement learning: a study on pursuit game |
|
永吉 雅人(新潟県立看護大学),玉置 久(神戸大学) Nagayoshi Masato(Niigata College of Nursing),Tamaki Hisashi(Kobe University) | |
| 本稿では，強化学習エージェントにおける個性の創出を目指して、「認知の歪み」に注目し、それを模倣したメタパラメータを波形変化（浮き沈み）させる手法を提案する。さらに、マルチエージェントタスクの一つである追跡問題を通した計算機実験により役割分化性能を検討する。 |
|
OS4-2 ST-18-060 |
多層パーセプトロンの学習法に関する再検討 An investigation of learning methods of multi-layered perceptron |
|
呉本 尭,田中 大樹,間普 真吾(山口大学) Kuremoto Takashi,Tanaka Hiroki,Mabu Shingo(Yamaguchi University) | |
| 近年、様々なニューラルネットワークを用いた深層学習の研究は迅速に進んでいる。これまで、深層学習に用いられる教師ありの学習方式は誤差逆伝搬法(BP法）、確率的傾斜降下法（SGD法）、確率的傾斜向上法(SGA法）など挙げられる。本論文では、従来の多層パーセプトロン(MLP)に対し、これらの学習方式の性能について、パターン認識問題に関する実験結果によって調査する。 |
|
OS4-3 ST-18-061 |
CNN型嗜好モデルを用いた推薦システムの改良 Improvement of Recommendation System Using CNN-Based Preference Model |
|
會澤 要,鈴木 拓央,小林 邦和(愛知県立大学) Aizawa Yo,Suzuki Takuo,Kobayashi Kunikazu(Aichi Prefectural University) | |
| 大量の情報から個人にとって有用な情報を提供する推薦システムが開発されている．人の思考に近い推薦を行うためには，情報の特徴が個人の嗜好へ及ぼす影響の関係性を再現する必要がある．そこで我々は畳み込みニューラルネットワーク(CNN)を用いて個人の嗜好をモデル化し，推薦するシステムを提案している．本研究では，基盤とするCNNのモデルの変更や，モデルへメタデータを付与することにより推薦精度の向上を図る． |
|
OS4-4 ST-18-062 |
深層強化学習を用いた群ロボットの行動獲得に関する検討 A Study on Behavior Acquisition of Multi-Robot System by Deep Reinforcement Learning |
|
綿貫 零真,堀内 匡,青代 敏行(松江工業高等専門学校) Watanuki Ryoma,Horiuchi Tadashi,Aodai Toshiyuki(National Institute of Technology, Matsue College) | |
| 我々は，深層強化学習を用いて，実機環境において単一の車輪型移動ロボットが壁や障害物を避ける行動を獲得することをすでに実現した．本研究では，複数の移動ロボットが存在する環境において深層強化学習を適用し，ロボットが壁や相手のロボットを避ける行動を獲得することを目指す．取り得る状態数の増加，他のロボットによる影響などによって単一のロボットを対象とした場合よりも難しいタスクになる． |
|
OS4-5 ST-18-063 |
大脳基底核－上丘モデルによる状態価値空間表現 A state value space representation of a basal ganglia-superior colliculus model |
|
渡邊 駿(釧路工業高等専門学) Watanabe Shun(National Institute of Technology, Kushiro College) | |
| 私たちはより生物に近い能力を持つ人工知能の開発を目指し，強化学習を実現する大脳基底核モデルに対して適応的な反応時間を実現する上丘モデルを加えた大脳基底核－上丘モデルを提案した。この提案モデルは，反応時間が従来の一定間隔と異なり，状態価値に適応した間隔で反応することができる。本研究では，適応的な反応時間により学習して得られた不変的に表現される状態価値空間と利用性について調査を行う。 |
|
OS4-6 ST-18-064 |
マルチスペクトルカメラによる岩種判定のためのデータ観察事例 A report on property of data collected with multispectrum camera for rock type identification |
|
澁谷 長史、(筑波大学),鶴田 亮介,宇津木 慎司(安藤ハザマ),川村 洋平(秋田大学) Shibuya Takeshi(University of Tsukuba),Tsuruta Ryosuke,Utsuki Shinji(HAZAMA ANDO CORPORATION),Kawamura Yohei(Akita University) | |
| トンネル工事の現場では、施工方法の決定のため岩種判別が行われている。 しかし、専門的知見をもつ人材が限られているという問題がある。 そこで筆者らは、マルチスペクトルカメラを利用して岩種の自動判別を行うシステムの実現を目指して研究を進めている。 本稿では、その初めの段階として、マルチスペクトルカメラによるデータの観察結果を報告する。 |
|
OS5-1 ST-18-090 |
ＶＲトレーニングの繰り返しによる心拍データ変化の解析 Analysis of Heart-Rate Data Change on Repetition of VR Training |
|
柴山 航,白川 真一(横浜国立大学),江崎 健司(ＮＴＴテクノクロス株式会社) Shibayama Wataru,Shirakawa Shinichi(Yokohama National University),Esaki Kenji(NTT TechnoCross Corporation) | |
| 危険作業や避難などの訓練にVR技術を導入するVRトレーニングは，従来の講義や資料をベースとするものよりも高い効果があることが確認されている．従来研究では，主にアンケートやペーパーテストといった手段でVRトレーニング中の精神的ストレスを評価しているが，本研究ではVRトレーニング中の心拍データを使った評価を試みる．さらに，同じVRトレーニングを繰り返した場合の心拍データの変化を解析し，VRトレーニングの効果を検証する． |
|
OS5-2 ST-18-091 |
障害物側面情報に基づく経路計画のための占有領域予測 Predicting occupancy area for path planning based on side surface data |
|
饗庭 大,大川 一也(千葉大学) Aiba Futoshi,Okawa Kazuya(Chiba University) | |
| 小型移動ロボットの経路計画において既存手法を実環境でも応用可能にするため，障害物占有領域を深層学習で予測する手法を提案する．実環境における経路計画では，手前の障害物に遮蔽され未観測の領域が生じるため経路計画が難しいという問題があった．この問題を解決するために同一環境で真値となる地図と一点のみの観測情報からなる地図を対として学習させ，現在のセンサ情報から物体の占有領域を予測する生成モデルを構築した． |
|
OS5-3 ST-18-092 |
歩行空間におけるロボット周辺の状況を考慮した経路修正の学習 Learning of Path Modification Considering the Situation Around Robot in Pedestrian Area |
|
小池 陽介,大川 一也(千葉大学) Koike Yosuke,Okawa Kazuya(Chiba University) | |
| 歩行空間は自動車の走る車道とは異なり，明確な通行ルールが存在しないため，ロボットは状況に応じて柔軟に走行する必要がある．本稿では，ロボットが教示経路を考慮しつつ障害物を回避する手法として，深層強化学習を用いた経路修正手法を提案する．具体的には，教示経路とLiDARから取得した障害物情報を入力とし，経路修正量を出力するようなネットワークの学習をシミュレータ上で行い，その実環境適応性について報告する． |
|
OS5-4 ST-18-093 |
Character-level CNNを用いたディプロマポリシーとカリキュラムポリシーの整合性判定 Consistency judgment of diploma policy and curriculum policy using Character-level CNN |
|
宮崎 和光,井田 正明(独立行政法人 大学改革支援・学位授与機構) Miyazaki Kazuteru,Ida Masaaki(National Institution for Academic Degrees and Quality Enhancement of Higher Education) | |
| 大学改革支援・学位授与機構では大量のテキストデータを扱う。そのため情報技術を活用した支援システムが求められている。本論文では、大学等が公表している３つのポリシーのうち、ディプロマポリシーとカリキュラムポリシーの整合性を判定するシステムについて述べる。 |
|
OS5-5 ST-18-094 |
深層学習による画像認識を用いた自動製品検査システム (第2報) Automatic product inspection systems using image recognition with deep learning (second report) |
|
舘山 武史(愛知工科大学),成田 浩久(名城大学),永野 佳孝(愛知工科大学),高橋 諒士(三菱自動車工業株式会社),藤本 英雄(名古屋工業大学大学院 / 藤本技術総研) Tateyama Takeshi(Aichi University of Technology),Narita Hirohisa(Meijo University),Nagano Yoshitaka(Aichi University of Technology),Takahashi Ryoji(Mitsubishi Motors Corp.),Fujimoto Hideo(Graduate School of Engineering, Nagoya Institute of Technology / GrandTech Fujimoto Co. Ltd.) | |
| 近年，生産システムの一層の高精度化・効率化を実現する技術として，人工知能を用いた作業の自動化技術が期待されている．本研究では，作業者が目視で行っている機械部品のワッシャー組み付けの検査作業等に深層学習を適用し，自動化することを試みる．本論文では，提案システムの認識精度を評価するとともに，学習時に要する不良品画像の削減や，良品と不良品の判断基準等，生産現場の各種要求を満たす手法の検討・考察を行う． |
|
OS6-1 ST-18-065 |
アンケート調査に基づく形式概念分析を用いた観光地間の移動動態の把握 Analysis of tourist movement by formal concept analysis based on questionnaire survey |
|
井上 周三,榊原 一紀,岩本 健嗣(富山県立大学) Inoue Shuzo,Sakakibara Kazutoshi,Iwamoto Takeshi(Toyama Prefectural University) | |
| 本研究では，県レベルでの広域な観光動態調査を実施した．観光客の満足度を高めるため，行動を把握する必要があると考え，観光客がよく訪れる観光地及び，同時に訪れられる地点間の関係性を形式概念分析を用いて分析することで，訪れられる観光地点間の隠れた関係性を明確にし，観光施策に役立たせる． |
|
OS6-2 ST-18-066 |
自動車道路ネットワーク構造と最適な経路選択の困難さの関係考察 A Consideration of Relathionship between Vehicle Traffic Road Network and Route Selection |
|
内種 岳詞(神戸大学) Uchitane Takeshi(Kobe University) | |
| 自動車交通の渋滞に影響を与える要因として，交通需要および道路ネットワーク構造に加え経路選択手法を考える．これまでの研究結果より，交通需要及び道路ネットワーク構造が渋滞に与える影響を考察してきた．本発表では，渋滞に影響する道路ネットワーク構造と経路選択の困難さを計算機シミュレーションから推定し，議論する． |
|
OS6-3 ST-18-067 |
都市交通のシミュレーションで生じた冪分布 Power-law distribution in city-scale traffic flow simulations |
|
楳本 大悟,伊藤 伸泰(理化学研究所 計算科学研究センター) Umemoto Daigo,Ito Nobuyasu(RIKEN-CCS) | |
| 神戸市のデジタル地図を用いて、都市交通流をシミュレーションし、道ごとの車の通行台数に対し、該当する道の本数をビンニングして分布を描くと、1―100台にわたる領域で冪分布が生じた。その期限を明らかにするため、ランダムに発生した道路ネットワークと、碁盤の目状の道路ネットワークにおいて比較シミュレーションを行ったところ、前者でのみ冪分布が生じた。これはネットワークの形状が冪の成因の一つであると解釈できる。 |
|
GS4-1 ST-18-095 |
CNNにおける事前知識を利用した学習方法の検討 Study of Training Convolutional Neural Networks with Prior Knowledge |
|
足立 一樹,濱上 知樹(横浜国立大学) Adachi Kazuki,Hamagami Tomoki(Yokohama National University) | |
| 畳み込みニューラルネットワーク（CNN）で高精度な画像認識を行うためには大量の訓練データを用いる必要があるが，ラベル付けなどに大きなコストがかかる。また，量的に不十分なデータセットで学習した場合，モデルは過学習し，未知のデータに対する精度は低下する。そこで，本発表では画像分類タスクにおいて学習時に注目すべき領域を事前知識として与える方法を提案し，比較・検討を行う。 |
|
GS4-2 ST-18-096 |
自律飛行ドローンのための明度変化に頑健な深層学習型人物認識モデル A Study on Blightness-Robust Detection of Personnels for Multi-Purpose Autonomous Flying Drone by Using Deep Learning |
|
宮里 太也,上原 和加貴(琉球大学大学院理工学研究科情報工学専攻),長山 格(琉球大学工学部) Miyazato Takaya,Uehara Wakaki(Graduate School of Science and Engineering, University of the Ryukyus),Nagayama Itaru(Faculty of Engineering, University of the Ryukyus) | |
| 本研究では２４時間活用可能なドローンの開発を目指して、災害救助や防犯活動などにおける情報収集・捜索を支援・自動化することを目的として明度変化に頑健な俯瞰視点からの人物検出機能の開発を試みている。すなわち、ドローンを用いて俯瞰視点から見た映像中の人物像を明度によらず自動検出する俯瞰視点人物検出機能を深層学習システムにより構築することを試みた。 |
|
GS4-3 ST-18-097 |
空気圧センサにおけるスパイキングニューロンを用いた生体情報の取得 Acquisition of biological information using spiking neurons in air pressure sensor |
|
山本 航平,邵 帥,久保田 直行(首都大学東京) kouhei yamamoto,shuai shao,naoyuki kubota(Tokyo Metropolitan University ) | |
| 近年，様々なヒューマンインタラクションの手法が提案，導入されている．これらをさらに発展させていくために，様々な環境情報や利用者の生体情報などを取得する方法が必要となる．この中で本研究では生体情報の取得方法に着目し，空気圧センサのデータからスパイキングニューラルネットワーク等を用いた生体情報の取得手法の提案と考察を行う． |
|
GS4-4 ST-18-098 |
深層強化学習を利用した株式売買戦略の構築 Construction of stock trading strategy with Deep Reinforcement Learning |
|
造酒 裕貴,狩野 悌久(横浜国立大学),長尾 智晴(横浜国立大学 ) Miki Yuki,Kano yoshihisa,Nagao Tomoharu(YOKOHAMA National University) | |
| 本稿では，深層強化学習を利用した株式売買戦略の構築手法を提案する．深層強化学習では，入力が高次元な場合でも教師を必要とせずに，過去の経験から将来の報酬を最大化するような行動規則の学習が可能である．本手法では，株価など時系列データから利益率を最大化するような売買戦略の学習を目的とし，売買株数の最適化も含め売買戦略の構築を行う． |
|
GS4-5 ST-18-099 |
Product Defect Detection Based on Transfer Learning of CNN Product Defect Detection Based on Transfer Learning of CNN |
|
Su Kai,Zhao Qiangfu(University of Aizu) Su Kai,Zhao Qiangfu(University of Aizu) | |
| In this paper, we focus on product surface defect detection. Defect detection is an essential step in a production line. So far, this task has been conducted mainly by human inspectors. The inspection results are often affected by various human factors like inspector’s experiences, health conditions, and so on. To improve the accuracy, in this study we apply the convolution neural network (CNN) to support the human inspector. In recent years, CNN has been applied successfully for image recognition in various fields. In this paper, we investigate several methods based on CNN, and report results obtained through experiments on image datasets provided by our partner company. Results show that both AlexNet and GoogLeNet can recognize surface defect very well with the recognition rates 99.63% and 99.51%, respectively. The proposed system can “reject” a certain percentage of the data and leave them for human-based inspection. In addition, the system can also detect wrongly labeled data or outliers, and thus can help human inspectors to purify the training data. |
|
GS4-6 ST-18-100 |
畳み込みニューラルネットワークとアダマール積を用いた多重音解析 Multi-pitch Estimation using Convolutional Neural Network and Hadamard Product |
|
川島 岳大,市毛 弘一(横浜国立大学) Kawashima Takeo,Ichige Koichi(Yokohama National University) | |
| 本稿では，ピアノ曲の多重音解析において，その推定精度を向上させる手法を提案する．従来手法の低ランク非負値行列因子分解を用いた多重音解析では，音の非線形性を十分に考慮できず，精度の悪化を招いていた．提案手法では，従来手法の後処理として畳み込みニューラルネットワークを適用することで，推定精度の向上を図る．その後，従来手法と提案手法との出力のアダマール積を取得し，さらなる精度の向上を目指す． |
|
GS6-1 ST-18-101 |
アパレル商品向け推薦システムにおける転移学習を用いた改善法 Improvement for Apparel goods recommender system by using Transfer Learning |
|
段 玉鋒,佐賀 亮介(大阪府立大学) Duan Yufeng,Saga Ryosuke(Osaka Prefecture University) | |
|
GS6-2 ST-18-102 |
Performance oriented Block-Based Neural Network Model by parallelized neighbor’s communication Performance oriented Block-Based Neural Network Model by parallelized neighbor's communication |
|
李 建道(メンター・グラフィックス・ジャパン／横浜国立大学),濵上 知樹(横浜国立大学) Lee Kundo(Mentor Graphics Japan / Yokohama National University),Hamagami Tomoki(Yokohama National University) | |
| The structure and weight in Block-Based Neural Network (BBNN) are optimized by utilizing the genetic algorithm.The architecture of BBNN consists of a two-dimensional (2-D) array of basic block with four input/output nodes and connection weights for block’s output. To propose easier hardware implementation like Field Programmable Gate Array (FPGA), integer weights are used in the basic block. Each block can be one of the four different basic types and the architectureof BBNN is configured with the combination of basic blocks internally configured. However, BBNN’s structural change needs hardware reconfiguration and the cost is very high. To reduce the reconfiguration cost, Smart Block-based Neuron (SBbN) which has sufficient number of weights for all four types of basic block has been proposed. SBbN preserves all weights, even the unnecessary for some types, and thus it consumes redundant hardware resource. A new model of BBNNs, in which all weights in SBbN are used efficiently by modifying calculation procedures of outputs in basic blocks, has been proposed and it eliminates the resource redundancy of SBbN. However, the new approach, which both right and left’s side nodes concurrently serve as input and output, cannot provide parallel computation in right and left signal flow. This paper presents a pipelined parallel computation with independent side nodes for each signal flow. |
|
GS6-3 ST-18-103 |
(取り消し） nan |
|
nan nan | |
| nan |
|
GS6-4 ST-18-104 |
敵対的生成ネットワークによる非パラレル声質変換 Non-parallel Voice Conversion with Generative Adversarial Networks |
|
蓮沼 勇太,平山 千明,長尾 智晴(横浜国立大学) Hasunuma Yuta,Hirayama Chiaki,Nagao Tomoharu(Yokohama National University) | |
| 声質変換の学習に使用する音声データはデータ取得の容易性から, 異なる文章を読んだ二者の音声データでも実現可能であることが望ましい．本稿では, 敵対的生成ネットワークを用いた教師なし学習によってこれを実現した．さらに, 変換音声の生成方法としてスペクトル包絡とメルケプストラムの変換・統合を行うことで, 変換音声の自然性を向上させた．主観評価実験で, 変換音声の質が従来手法と比較して向上したことを確認した. |
|
GS6-5 ST-18-105 |
植物工場生産レタスにおけるチップバーンの自動識別 Automatic identification of lettuce tipburn in plant factory |
|
嶋村 茂治,上原 賢太,小圷 成一(千葉大学) Shimamura Shigeharu,Uehara Kenta,Koakutsu Seiichi(Chiba University) | |
| 植物工場で生産される野菜の需要は年々高まってきている。植物工場産レタスの課題のひとつに、チップバーンがある。チップバーンとは、植物の生長点細胞が壊死する現象であり、チップバーンによってレタスの商品価値は低くなる。そこで本研究では、植物工場レタスにおいて、畳み込みニューラルネットワーク（CNN）を用いて機械学習を行い、チップバーンレタスの識別を試みた。 |
|
GS6-6 ST-18-106 |
画像補完技術を用いた眼底画像の異常検出 Anomaly Detection of Fundus Image Using Image Completion |
|
栗原 慧至,濱上 知樹(横浜国立大学) Kurihara Satoshi,Hamagami Tomoki(Yokohama National University) | |
| 本研究では学習データとして病変が存在する眼底画像(異常画像)が正常画像と比較して少ない場合での異常検出を行う。提案手法では正常画像のみを学習データとして画像中の欠落を補完するGANを使用し，異常画像に欠落を加えることでGANにより疑似的な正常画像の生成を行い，2つの画像の差分から病変部分の検知および位置の特定を行う。実験では実際の眼底画像を利用して提案手法の有効性の確認を行った。 |
|
GS3-1 ST-18-074 |
Boosting における適応的しきい値調整による精子検出の分析 Analysis of sperm detection by adaptive thresholded boosting |
|
佐々木 勇人(横浜国立大学),山本 みずき,竹島 徹平,湯村 寧(横浜市立大学附属市民総合医療センター),濱上 知樹(横浜国立大学) Sasaki Hayato(Yokohama National University),Yamamoto Mizuki,Takeshima Teppei,Yumura Yasushi(Yokohama City University Medical Center),Hamagami Tomoki(Yokohama National University) | |
| 精子検出問題は精子と似た形状の細胞の中から精子を見つけ出す必要があるため，高検出率・低偽陽性率の両立が困難である．そこで本研究では偽陽性率の許容値を定め高検出率を達成するための手法として，Boostingにおける適応的しきい値調整を精子検出に適用する．この手法では偽陽性率が許容値に追従性が検出率と密接に関係しており，実験では精子検出に関して偽陽性率の追従性と検出率との関係性を分析した． |
|
GS3-2 ST-18-075 |
単語埋め込みを用いたアソシエーションルールマイニング Association Rule Mining with Word Embeddings |
|
安永 翼,濱上 知樹(横浜国立大学) Yasunaga Tsubasa,Hamagami Tomoki(Yokohama National University) | |
| アソシエーションルールを用いたクエリ拡張では共起関係に基づいてクエリ単語と関連性の強い単語のクエリにおける重みを大きくする。このとき直感的には条件部または結論部の単語が意味的に類似するルールの強さは類似するはずであるが，従来手法ではこれが保証されない。提案手法では単語埋め込みを用いることで単語間の意味的な類似性を考慮する。実験では単語の意味を考慮することがクエリ拡張性能に与える影響を明らかにする。 |
|
GS3-3 ST-18-076 |
Prioritized Sampling Method for Autoencoder to Reduce Loss Rate for Skewed Data Prioritized Sampling Method for Autoencoder to Reduce Loss Rate for Skewed Data |
|
李 欣,濱上 知樹(横浜国立大学) Li Xin,Hamagami Tomoki(Yokohama National University) | |
| With the development of machine learning and deep learning in recent years, many topics in production and industry have used these technologies. However, in real life, there are a lot of data that is skewed, which means that the data is not so uniform, which results in the inability to obtain correct features when using machine learning to train, or to cause the error value is extremely high and not evenly distributed in this part of the data, for this reason we will lose the meaning of machine learning. Especially when using Autoencoder to do low dimensional compression or feature extraction, skewed data will lead to Autoencoder can not well compress the characteristics of this part of the offset data. In this research, we improved the general Denoising Autoencoder, used a iterated method to solve the problem bring from skewed data. |
|
GS3-4 ST-18-077 |
HPF情報を用いた非ホロノミック車のサブゴール問題としての安定化制御 Stabilizing Control as a Sub-goal Problem in Nonholonomic Vehicles Using HPF Information |
|
渡辺 桂吾(岡山大学大学院自然科学研究科),植月 健人(島津製作所),永井 伊作(岡山大学大学院自然科学研究科) Watanabe Keigo(Graduate School of Natural Science and Technology, Okayama University),Uetsuki Kento(Shimadzu Corporation),Nagai Isaku(Graduate School of Natural Science and Technology, Okayama University) | |
| これまで，HPFと不変多様体理論を用いた非ホロノミック車のキノダイナミック動作計画を提案してきた．しかし，HPFの勾配からなる一部の制御入力を利用する手法では，時折障害物への回避が不十分である場合があった．ここでは，HPFに基づく理想経路の情報を部分的に利用し，サブゴール問題として安定化制御を解いて行く方法で，最終目標値へ移動ロボット車を誘導させる方法を提案する．本手法の有用性はシミュレーションで検証する． |
|
GS3-5 ST-18-078 |
動的環境における移動ロボットの遠隔操作と可視化 Remote control and visualization of the behavior for a mobile robot in dynamic environment |
|
井上 椋太,新井 智之(首都大学東京),戸田 雄一郎(岡山大学),久保田 直行(首都大学東京) Inoue Ryota,Arai Tomoyuki(Tokyo Metropolitan University),Toda Yuichiro(Okayama University),Kubota Naoyuki(Tokyo Metropolitan University) | |
| 少子高齢化が進む中で移動ロボットに人の代わりとなって作業を行わせる試みが多くなっている．本研究では移動ロボットが動的環境下で障害物回避，目標位置移動を行うために，機械学習を取り入れることを目的とする．教師あり学習を行うのに必要なデータを取得するために，複数の被験者がいくつかの動的環境で移動ロボットを操縦する．実験で得られた障害物を回避する様子や目標位置までの移動データを可視化し，違いを考察する． |
|
GS3-6 ST-18-079 |
(取り消し） nan |
|
nan nan | |
| nan |
|
GS2-1 ST-18-068 |
領域予測を用いた局所探索による多目的最適化のための遺伝的アルゴリズム Genetic Algorithm for Multiobjective Optimization by Local Search with Domain Prediction |
|
栗原 佳祐,中田 雅也,濱上 知樹(横浜国立大学) Kurihara Keisuke,Nakata Masaya,Hamagami Tomoki(Yokohama National University) | |
| 本研究は,パレートフロントを充足する解を予測した探索と精度の向上を担う探索との分割により，解の探索効率を改善する遺伝的アルゴリズムを提案する。 具体的には，仮想的に用意したパレートへ解を射影するサロゲートを導入し，探索領域の予測を行った局所探索を大域的な探索と平行して行う。 実験では複数のベンチマーク関数において、既存手法と比較し，提案手法が特定の問題で良い探索性能が得られることを示した。 |
|
GS2-2 ST-18-069 |
過去の探索情報をフェロモン更新に用いたMax-Min Ant Systemの提案 A Proposal of Max-Min Ant System with pheromone update technique using information of search history |
|
國領 大介,貝原 俊也,藤井 信忠,田村 菜ツ実(神戸大学) Kokuryo Daisuke,Kaihara Toshiya,Fujii Nobutada,Tamura Natsumi(Kobe University) | |
| 蟻の採餌行動から着想を得た多点探索法であるアントコロニー最適化法の一種で，フェロモン量の上下限を設定し探索性能を向上させたMax-Min Ant System (MMAS)に着目する．我々は局所解からの脱出が困難というMMASの課題に対し，探索点を多様化群と集中化群に分け，多様化群のフェロモン更新に過去の探索経路の情報を利用した解改善手法を提案し，計算機実験により提案手法の性能を検証する． |
|
GS2-3 ST-18-070 |
多目的進化計算における重みベクトルの分布に関する基礎検討 A Study on Effects of Weight Vector Distribution in Evolutionary Multi-objective Optimization |
|
高木 智章,高玉 圭樹,佐藤 寛之(電気通信大学大学院) Takagi Tomoaki,Takadama Keiki,Sato Hiroyuki(The University of Electro-Communications) | |
| 進化計算における多目的最適化において，重みベクトル群を用いてパレートフロントの近似部位を指定するアプローチがある．重みベクトル群によってパレートフロントの近似性能が大きく変化する．本稿では，重みベクトル群を変更した場合の進化計算による多目的最適化性能の変化について議論する． |
|
GS2-4 ST-18-071 |
最適経路問題に対して汎化能力を有する強化学習法の提案 Reinforcement Learning Method with Generalization Ability for Solving an Optimal Routing Problem |
|
飯間 等, 大西 鴻哉(京都工芸繊維大学) Iima Hitoshi,Oonishi Hiroya(Kyoto Institute of Technology) | |
| 複数存在する目標座標を訪れる経路の中の最適経路を求めるための強化学習法を提案する。この学習法は一度の学習のみで目標座標がどこにあっても最適経路を求められる汎化能力に優れたものとなっている。 |
|
GS2-5 ST-18-072 |
探索特性に可読性をもつ進化計算法 An Evolutionary Computation with Plasticity on Search Characteristics |
|
畠 崇人,小林 雅幸,長尾 智晴(横浜国立大学) Hata Takahito,Kobayashi Masayuki,Nagao Tomoharu(Yokohama National University) | |
| 本稿では，問題に合わせて自由度を調節することが可能な進化計算法を提案する．本手法では，移動探索と子個体生成探索という異なる探索オペレータを提案し，それらを統合することで，より幅広い探索特性を有する進化計算法の実現を目指す．また，それぞれのオペレータを調整するために各個体に寿命を割り当てる．これらのパラメータを特定の関数に合わせて最適化を行うことで，特定の関数に特化した自由度の高い探索が可能となる． |
|
GS2-6 ST-18-073 |
SVMを用いた優良個体存在領域の予測による差分進化 Differential Evolution by the prediction of high-quality individual existence region using SVM |
|
池原 健矢,濱上 知樹,中田 雅也,佐々木 勇人(横浜国立大学) ikehara kenya,Hamagami Tomoki,Nakata masaya,Sasaki Hayato(Yokohama National University) | |
| 本研究は、過去の解探索履歴から優良個体の存在領域を予測し探索することで、解の探索効率を改善する差分進化法を提案する。具体的には、解の探索状況に応じて、優良個体の存在領域を縮小・拡大する適応的制御をSVMに導入する。そして、存在領域を重点的に探索するように差分進化法を構築する。実験ではベンチマーク関数において、通常の差分進化法と比較し，提案手法が特定の問題で差分進化より良い解が得られることを示した。 |
|
GS5-1 ST-18-107 |
電力需要予測誤差分布に基づく電力取引支援システムの構築 Power trading support system based on power demand forecast and its error distribution |
|
山口 尚哉,堀 磨伊也(九州大学) Yamaguchi Naoya,Hori Maiya(Kyushu University) | |
| 電力取引市場において，高精度に電力需要を予測して入札することにより，需給ミスマッチを避け，無駄な発電を抑制することは重要である．しかしながら，電力需要予測の精度には限界がある．そこでわれわれは，電力需要予測およびその予測誤差を考慮して電力取引コストの期待値を最小にする電力取引支援システムの構築を行う．実験では，小規模の需要家を想定し，過去の実データを用いてその有効性を検証した． |
|
GS5-2 ST-18-108 |
画像処理を用いたPepper用黒線追従式移動システムの開発 Development of Black Line Tracing System for Pepper Using Image Processing |
|
香月 将也,高橋 翼,大海 悠太(東京工芸大学) Kazuki Masaya,Takahashi Tsubasa,Ogai Yuta(Tokyo Polytechnic University) | |
| Pepperの教育現場での利用は、その場に止まったまま行われていることが多い。それはPepperにおける環境を認識した移動システムは、まだ現在使いやすいものがないのが原因であると考えている。本研究では教室などの教育現場で、気軽に導入できるシステムの開発を目指し、教室に貼られた黒いテープを認識して移動するライントレースシステムの開発を行なった。実際に教室内で稼動実験を行い、動作を確認した。 |
|
GS5-3 ST-18-109 |
過電流リスクを考慮した状態推定に基づく配電系統構成の確率的最適化手法 Probabillistic Optimization Method of Distribution Systems based on System Estimation Considering Overloading Risk |
|
金谷 良太,由岡 友太(横浜国立大学大学院),辻 隆男(横浜国立大学),冠城 さやか(東京電力パワーグリッド),福場 伸哉(東京電力ホールディングス),大山 雅之,山本 享慶,大恵 慎平(関西電力) Kanaya Ryota,Yoshioka Yuta,Tuji Takao(Yokohama National University),Kaburagi Sayaka(Tokyo Electric Power Power Grid),Hukuba Shinnya(Tokyo Electric Power Holdings),Oyama Masayuki(Kanasai Electric Power),Yamamoto Takayoshi,Oe Shinnpei(Kannsai Electric Power) | |
| 太陽光発電を含む配電系統は、逆潮流の発生に伴う電力上昇の解決が非常に重要な課題となる。この対策として、配電系統の構成を柔軟に切り替えることで、電圧変動の緩和ならびに配電損失の低減が期待される。ここで、系統切換に際しては配電系統に過電流が生じないように十分留意する必要があるが、太陽光発電を含む配電系統では正味の負荷の大きさを直接計測することは容易にできないため、太陽光発電の出力低下時にも過負荷とならないように、実負荷の推定が重要となる。そこで、本稿では、センサ計測情報に基づいて、系統切換を実施した際の配電線路電流の確率分布を考慮した確率的最適化手法を提案する。 |
|
GS5-4 ST-18-110 |
LSTMを用いた多次元時系列データからの事象予測 Event prediction by multidimensional time series data with LSTM |
|
島田 直哉,濱上 知樹(横浜国立大学) Shimada Naoya,Hamagami Tomoki(Yokohama National University) | |
| 事象予測問題では従来自己回帰ベースの手法が多く用いられる．しかし，これらの手法は事象と強い相関をもつデータが必要不可欠であり，データの取得が困難な場合も多い．本研究では，LSTMとアンサンブル学習を組み合わせた手法を提案する．LSTMは時系列モデリングに有効だが，限られたデータ数では標本空間が広大な場合に過学習が懸念されるため，アンサンブル学習を用いる事で対処する．実験では提案手法の有効性を示す． |
|
GS5-5 ST-18-111 |
ロボットの動作制御個性の組み合わせと協調タスク遂行能力の関係 Relationship between Cooperative Task Execution Abilities and Combination of Robots with Different Action Control Individualities |
|
吉田 優,鈴木 昌和(東海大学) YOSHIDA YU,SUZUKI MASAKAZU(Tokai University) | |
| 本研究では、目的動作が同じでも制御方法が異なる多様な個性をもつロボットからなるチームと均質な個性をもつチームで、協調タスクを遂行した際のタスク遂行能力にどのような差が生じるかの知見を得ることを目的とする。今回、例題タスクとして協調ホッケーシュート動作を採用した。この協調タスク遂行での(1)成功率、(2)ある一定の成功率で遂行できる状況の幅広さ、を多様な個性をもつチームと均質な個性のチームで比較を行った。 |
|
GS5-6 ST-18-112 |
作業腕を有する移動ロボットによる多面体形状対象物の平面検出に基づく把持運搬 Gripping and carrying of polyhedron shaped object based on plane detection by a mobile robot with work arms |
|
相見 伸篤,藤田 豊己(東北工業大学) Aimi Nobuatsu(Tohoku Insutitute of Technology),Fujita Toyomi(Tohoku Institute of Technology) | |
| 危険現場で作業するロボットが期待されている。本研究では２腕を有する移動ロボットによる多面体形状対象物の平面情報検出に基づく自律的な把持運搬の手法について検討する。提案手法では深度画像より対象物の平面情報を生成し、把持候補面を選出する。また、候補面から物体把持時のロボット位置及び作業腕角度を算出する。本手法を４脚クローラ型移動ロボットに適用し、箱状対象物の自律把持運搬実験により有効性の検証を行う。 |
|
GS7-1 ST-18-113 |
ソフトクラスタリングに基づく大域的レコメンデーションの検討 Global recommendation based on soft clustering |
|
兵頭 幸起,伊藤 豪,石原 憲之,濱上 知樹(横浜国立大学),寺尾 勇一,林 慧子,佐野 貴洋,竹林 奈々子(リゾートトラスト株式会社) Hyodo Koki,Ito Go,Ishihara Noriyuki,Hamagami Tomoki(Yokohama National University),Terao Yuichi,Hayashi Chieko,Sano Takahiro,Takebayashi Nanako(resorttrust Co., Ltd.) | |
| 現在，介護支援専門員が介護計画を作成しているが，主観や経験に依存するため介護計画を推薦する，介護計画作成支援システムへの需要が高まっている。しかし，属性数や特徴語数の差に起因するコールドスタート問題が生じ適切な推薦が困難である。本研究では，ソフトクラスタリングに基づく大域スコアを用いることで問題の緩和を図った。既存手法である協調フィルタリングのボトムアップが達成され提案システムの有効性が示された。 |
|
GS7-2 ST-18-114 |
GHSOM改良によるクラスタリング精度向上及び構造分類の実現 An Enhanced GHSOM for Structural Classification |
|
史 虹波(首都大学東京 ),徐 浩源,濱上 知樹(横浜国立大学) Shi Hongbo(Library and Academic Information Center, Tokyo Metropolitan University),Xu Haoyuan,Hamagami Tomoki (Yokohama National University) | |
| 階層成長型自己組織化マップ (Growing Hierarchical Self-Organizing Maps, GHSOM)は動的な階層化成長構造をもち, 複数のクラスとサブクラスを構造的に生成できる。しかし, GHSOMの階層構造の生成過程において, 上位層の進化を取り入れずに階層化に進むプロセスにより, クラスタリングの精度に大きく影響する。本論文はGHSOMの階層化プロセスにある欠陥を解決し, 精度向上のために, 構造強化 GHSOM (sGHSOM: Structural GHSOM)を提案する。本論文は KDD Cup 1999で提供されたネットワークトラフィックをベンチマークとし，従来のGHSOM と提案手法のsGHSOMのパフォーマンスについて評価する。さらに, 本論文は大学図書館の図書貸出記録を用いて，sGHSOMの構造的クラスタリング機能の向上について検証する。 |
|
GS7-3 ST-18-115 |
教師なしランダムフォレストを用いた多変量時系列データの類型化 Clustering of Multivariate Time Series with Unsupervised Random Forest |
|
岡崎 雅也(横浜国立大学大学院),濱上 知樹,中田 雅也(横浜国立大学) Okazaki Masaya,Hamagami Tomoki,Nakata Masaya(Yokohama National University) | |
| 多変量時系列のクラスタリングはイベント予測問題の前処理として有効であり，従来手法として，観測値の記号表現に基づく手法がある。しかし，従来手法における記号表現は変量間の関係を考慮していないため，精度は限定的である。そこで，本研究では教師なしランダムフォレストに基づく，変量間の関係を考慮した記号表現を提案する。実験では，ベンチマークデータセットを用いて提案手法の有効性を検証する。 |
|
GS7-4 ST-18-116 |
赤外線センサーによる位置と人物の認証 Location/human recognition based on an infrared sensor array |
|
岩崎 孝佑,大田 亮,市村 翔一,趙 強福(会津大学) Iwasaki Kosuke,Ota Ryo,Ichimura Shoichi,Zhao Qiangfu(University of Aizu) | |
| 日本では高齢者が増えており、高齢者介護の人材不足は社会問題になっています。その問題の解決策としてスマートホーム があります。スマートホームを構築する際に重要な問題はプライバシーです。 本研究では、高齢者のプライバシーを考慮したスマートホーム 構築の技術を提案します。私はシンプルセンサーを用いることでプライバシー問題を解決します。実験結果はシンプルセンサーでも十分な情報を収集できることを示した。 |
|
GS7-5 ST-18-117 |
航空機着陸問題におけるクラスタリングを用いた分割反復最適化手法 Iterative optimization method for aircraft landing sequence using the clustering method |
|
村田 暁紀(電気通信大学), ディラレイ ダニエル (国立民間航空学院),佐藤 寛之,高玉 圭樹(電気通信大学) Murata Akinori(The University of Electro-Communications),Delahaye Daniel(French Civil Aviation University),Sato Hiroyuki,Takadama Keiki(The University of Electro-Communications) | |
| 航空交通においては特に混雑時は多くの航空機が目的空港に向け航行するため,着陸順の最適化性能が低下する.この問題に対応するため,分割反復型着陸順最適化法を提案し有効性をシミュレーション実験において明らかにすることを目的とする.具体的には,クラスタリング手法であるk-means法を用い,スケジュール期間を適切に分割し最適化を反復することで滑走路全体のスケジュールの最適性能を高める方法を提案する. |
|
GS7-6 ST-18-118 |
電圧無効電力制御に対するディペンダブルな移住相互作用の複数集団型並列C-DEEPSO Dependable Parallel Multi-swarm C-DEEPSO with Migration for Voltage and Reactive Power Control |
|
吉田 武尊, 福山 良和(明治大学) Yoshida Hotaka,Fukuyama yoshikazu(Meiji University) | |
| 電圧無効電力制御には，従来，様々な進化型計算手法が適用されてきた。今後予想される再生可能エネルギーの大量導入等により，電圧無効電力制御には，計算の高速化が求められる。しかし，電力系統は社会のインフラであることを考慮すると，制御を持続可能とするディペンダブルな並列分散処理を導入することが求められる。本論文は，移住を用いた複数集団型並列C-DEEPSOを用いたディペンダビリティの高い電圧無効電力制御を提案する。 |