研究分野

機械学習

• P1-9
  敵対的操作が人の意思決定に与える影響のモデル化

  内海 健介 (大阪大学大学院工学研究科)

  東 広志 (大阪大学大学院工学研究科)

  田中 雄一 (大阪大学大学院工学研究科)

  横田 陽樹 (大阪大学大学院工学研究科)

  敵対的操作とは，人の意思に反する決定を誘導するために，外的要因を操作する行為である．本研究では，ヒト行動実験による調査と，ヒト参加者の回答傾向をリカレントニューラルネットワーク（RNN）を用いてモデル化することで，敵対的操作が人の行動に与える長期的な影響を明らかにすることを目指した．実験の結果，敵対的操作を受けると参加者やRNNモデルがその操作に対して耐性を獲得し，正答率が向上する可能性が示唆された．
• P1-42
  身振り空間の三次元解析に向けた姿勢推定手法

  家永 直人 (筑波大学)

  関根 和生 (早稲田大学)

  身振り研究において三次元計測は重要であるが、モーションキャプチャ（MoCap）には限界がある。本研究では、4つの人物姿勢推定手法（HPE）を、MoCapと比較することで身振りの三次元推定精度を検証した。結果、2台のカメラとHPEによる手法がもっとも高精度であり、誤差は50mm程度であった。また、クラウド上で利用可能な三次元解析ツールも提案する。本手法はMoCapの代替手段として有望である。
• P1-57
  正規分布報酬の Satisficing bandit における目標水準の最適調整

  上野 誠弥 (東京電機大学　理工学部)

  高橋 達二 (東京電機大学)

  甲野 佑 (東京電機大学　理工学部)

  強化学習の応用例であるバンディット問題を解くアルゴリズムでは，事前分布など事前知識を与えることがある．その中でも人の試行錯誤の一種である満足化を再現した Risk-sensitive Satisficing (RS) では，最適な目標値を事前知識として与えた場合に高い性能が確認されていた．本研究では最適な目標値が未知の実数値になりうる場合でも，エージェントがオンライン情報から自律的に推定する方法を検討した．
• P2-11
  視線動作に内在する行為意図の動的特徴を捉える機械学習モデルの構築

  岡田 来波生 (金沢工業大学)

  大谷 一真 (金沢工業大学)

  田中 康平 (金沢工業大学)

  金野 武司 (金沢工業大学)

  視線インターフェースによる直感的な機械操作には，注視点の動的な情報に基づく行為の意図推定が不可欠であると考えられる．本研究では，操作および探索の二つの意図を条件づけた課題で視線動作を収集し，その移動速度と方向を抽出して機械学習による識別を試みた．オフラインでの識別率は全体で約6割，個別では9割を超える場合があることを確認した．これは，視線に含まれる行為意図の推定がリアルタイムにも可能であることを示唆する結果であると考えられる．
• P3-48
  LDA が抽出する topics は本来意味なものではない？幾つかの言語の語形の(L-)LDA を使った自己教師型分類の性能評価に基づいて

  黒田 航 (杏林大学（医学部）)

  本研究の目的は(L-)LDA が抽出するトピックは「意味」に対応している必要がないという再解釈の妥当性を確かめる事である．幾つかの言語の語形を(L-)LDAでクラスタリングし，その結果を自己教師型分類課題として評価した．LDAではそれなりの精度の分類が，L-LDA では高精度の分類が実現された．トピックが「意味」に対応しているなら，この結果は説明できない．背理法により，トピックは意味に対応している必要がないと結論できる．