眞部 雄介

キャンパス内にて(Google Street View)

専門領域

知能情報学,認知情報学,人工知能,機械学習,ソフトコンピューティング,アウェアネスコンピューティング,共生コンピューティング

研究テーマ

コンテキストアウェアシステムに関する研究






研究紹介

能動的かつ自律的な「コンテキストアウェアシステム」の実現

当研究室では,「コンテキストアウェアシステム」の実現に向けた基礎的な研究を行っています.コンテキストアウェアシステム」とは,人・モノ・場所などによって構成される現実世界の状況を能動的かつ自律的に認識・理解・予測して,適切なタイミングで情報やサービスの提供を実現する「気配り・心配りのできるインタラクティブな認知システム」のことです.


の動画は,「コンテキストアウェアシステム」を実現するために研究・開発した技術を組み合わせたスマートルーム実験のデモ動画です.

(2021年のCEATECの展示用動画)

ゼミナールでは,⼈⼯知能(AI)技術,機械学習(Machine Learning)技術などについて学び,「コンテキストアウェアシステム」の実現に必要不可欠と考えられる要素技術(行動・状況の認識・予測技術,人物の識別や認証技術,IoTデバイス連携技術,人間の意図理解や内的状況の推定など)について研究/指導しています.

これまでの研究対象(行動・動作・状況・場面)

スマートフォン取り出し動作,スワイプ動作,スマートフォンタッチ動作,キーストローク,キーボード打鍵圧,扉ノック動作,扉開閉動作,着座,机上動作(書字・読書),ジェスチャー,室内行動見守り,監視カメラ映像,異常行動,居眠り,VDT作業,視線,まばたき,ストレス量,集中度,重心情報,歩行動作,転倒,帰宅行動,事象発生タイミング,シーン(場面・情景),家電電力消費量,表情,指文字,手話,口唇運動,ジェスチャー,ブレインストーミング,オフィス空間,ミーティング空間,即席カップ麺調理行動,鍵のかけ忘れ,ダンス...

研究に用いるデバイス(センサー,アクチュエータ)

RGB-Dカメラ(Kinect),加速度センサー,スマートフォン,スマートグラス,スマートタップ,スマートウォッチ(Fitbit),装着型モーションキャプチャ(PERCEPTION NEURON),Raspberry Pi ,Arduino,SONY MESHセンサ,赤外線センサー,小型サーモカメラ,LEGO Mindstorm,Leap Motion,Wii Fit,Wii Remote,JINS MEME,重心動揺計,Eye Tribe Tracker,ニプロストレス測定器,Google Home, Alexa,Nature Remoなど

認知情報科学科の担当講義(予定)

人工知能基礎1

1956年から始まる人工知能研究の初期に誕生した技術を中心としたトピックを扱う講義です.各種の探索アルゴリズム,知識表現,プランニング,推論,エキスパートシステムなど,いわゆる「物理記号システム仮説」に基づいて発展した人工知能技術を扱います.終盤は,フレーム問題,チューリングテスト,中国語の部屋,ウィノグラードチャレンジ,心の理論などの諸問題,ロボットの知能と身体性,ウォズニアックテストなどのトピックについても言及します.

マシンラーニング

「教師あり学習」「強化学習」について解説し,Pythonを用いたプログラム演習を通じてその仕組みを理解することを目指す講義です.

尺度の水準,重回帰,ロジスティック回帰,リッジ回帰,ラッソ回帰,k-NN,決定木,SVM,ベイズの定理とベイズ推定(ナイーブベイズ),アンサンブル学習,機械学習モデルの検証方法,評価基準,モデルのチューニング,モデル選択の基準,ニューラルネットワーク,深層学習(畳み込みニューラルネットワーク)の基礎,強化学習などを扱います.

講義の後半では,実際にデータを配布して機械学習モデルを作成し,モデルの精度を競うコンテストを実施する予定です.

データマイニング

「データの前処理技術」や「教師なし学習」を中心に解説し,Pythonを用いたプログラム演習を通じてその仕組みを理解することを目指す講義です.

データ形式,抽出,集約,結合,分割,生成,展開,尺度の水準,欠損値の処理,リサンプリング,移動平均フィルタ,類似度と距離,ダイバージェンズ,k-means,階層的クラスタリング,SOM,ART,GMM,DBSCAN,主成分分析,アソシエーションルール,ベイジアンネットワーク,構造方程式モデリングなどを扱います.

講義の後半では,実際にデータを配布してその分析結果を競うコンテストを実施する.

情報ネットワーク学科の担当講義

情報ネットワーク入門

マルチメディア,データベース,プログラム言語に関する入門講義を担当しています.また,近年のトレンドとして人工知能に関するトピックスについても扱っています.

ネットワークプログラミング演習

C言語を用いてプログラムを作成する課題を通じて,各種制御構造,変数,関数,データ構造とアルゴリズムについて学ぶ講義です.

情報理論

シャノン・ウィーバーのコミュニケーションモデル,情報の定量化(情報エントロピー),情報源符号化,通信路符号化の基礎について学ぶ講義です.

アルゴリズム

並べ替えや探索などの基本的なアルゴリズムと,スタック/キュー,木構造などの基本的なデータ構造にについて学ぶ講義です.講義の後半では,ゲーム木や遺伝的アルゴリズムなどの人工知能アルゴリズムや,単純パーセプトロンやニューラルネットワークなどの機械学習アルゴリズムの基礎についても学びます.