![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
#author("2024-02-15T08:28:49+00:00","","") #author("2024-02-20T03:39:11+00:00","","") *人工知能の基礎理論 [#qc1655ed] **遺伝的アルゴリズム (Genetic Algorithm: GA) [#rcfca577] **ニューラルネットワーク (Neural Network: NN) TA+Repli+Sur [#ae3c2f59] **強化学習 (Reinforcement Lerning: RL) GA [#vcbcc6c4] **粒子群最適化 (Partical Swarm Optimization: PSO) Grad+Const [#fd5961fe] *研究テーマ [#medcc5ce] **フィジカル空間データ [#t362f364] |LEFT:50|LEFT:450|c |タイトル|環境認識ライフログからの行動パターン解析による類似性・イベント検出| |要旨|情報数理工学と画像工学を融合した基盤研究にもとづいて，スマートグラスで画像を取得すると同時に文字や文章でライフログとして保存し，行動パターンの周期性，イベント性，類似性などを客観的に定量的に分類する基盤技術を開発する| |Keyword|スマートグラス，画像認識，ライフログ，行動パターン，類似性| |手順|1）スマートグラスで周辺の環境を映し文字としてサーバに蓄積する．同時にGPSデータなども蓄積し，共起グラフや状態遷移を獲得する．| |~|2）個人の行動パターンにおける普段と異なるイベント検出や，他人との行動パターンとの類似性を検出し，提案手法の新規性と有効性を検証する．| |~|3）行動の周期性，イベント性，類似性の分類の精度を機械学習で改善させる| |リンク|https://qiita.com/ryo_grid/items/5a5ecc602186a3381c87#_reference-4ab6987f198607e54e8f| |~|http://www.nltk.org/book-jp/ch12.html| |~|http://recruit.gmo.jp/engineer/jisedai/blog/deep-q-learning/| |挑戦|[[福嶋]](卒論:2017)| &br; |LEFT:50|LEFT:450|c |タイトル|環境・生体ライフログからの行動パターン解析による類似性・イベント検出| |要旨|情報数理工学と生体工学を融合した基盤研究にもとづいて，組み込みセンサーで環境・生体情報を取得すると同時に文字や数値でライフログとして保存し，行動パターンの周期性，イベント性，類似性などを客観的に定量的に分類する基盤技術を開発する| |Keyword|マイコン，カメラ，生体センサー，ライフログ，パターン分類，類似性| |手順|1）組み込みセンサーで周辺の環境を映し文字や数値としてサーバに蓄積する．同時に生体センサーデータなども蓄積し，共起グラフや状態遷移を獲得する．| |~|2）個人の行動パターンにおける普段と異なるイベント検出や，他人との行動パターンとの類似性を検出し，提案手法の新規性と有効性を検証する．| |~|3）行動の周期性，イベント性，類似性の分類の精度を機械学習で改善させる| |リンク|http://www.my-signals.com/| |~|https://www.cooking-hacks.com/mysignals-hw-ehealth-medical-biometric-iot-platform-arduino-tutorial/| |~|http://deviceplus.jp/hobby/entry023/| |~|https://www.youtube.com/watch?feature=player_embedded&v=FgwOgb73lrE#!| |~|https://style.nikkei.com/article/DGXNASFK0503N_V00C13A2000001| |~|http://workpiles.com/2014/09/android_wear-sensor-accelerometer/| |~|http://www.robotsfx.com/robot/img/radio/WiMaster/WiMaster_how5.html| |挑戦|[[山本]](卒論:2018)| &br; |LEFT:50|LEFT:450|c |タイトル|アンビエントコンピューティングによる行動とストレスの検知にもとづくコーピング支援| |要旨|情報数理工学と生体工学を融合した基盤研究にもとづいて，組み込みセンサーで環境・生体情報を取得すると同時に文字や数値でライフログとして保存し，行動識別し，ストレスを検知してコーピングする基盤技術を開発する| |Keyword|ライフログ，行動識別，ストレス検知，コーピング| |手順|1）組み込みセンサーで周辺の環境を映し文字や数値としてサーバに蓄積する．同時に生体センサーデータなども蓄積し，共起グラフや状態遷移を獲得する．| |~|2）個人の行動パターンにおける普段と異なるイベント検出や，他人との行動パターンとの類似性を検出し，提案手法の新規性と有効性を検証する．| |~|3）ストレスを定量的に把握して，必要なコーピングを行いストレスを下げる．| |リンク|http://www.my-signals.com/| |~|https://www.cooking-hacks.com/mysignals-hw-ehealth-medical-biometric-iot-platform-arduino-tutorial/| |~|http://deviceplus.jp/hobby/entry023/| |~|https://www.youtube.com/watch?feature=player_embedded&v=FgwOgb73lrE#!| |~|https://style.nikkei.com/article/DGXNASFK0503N_V00C13A2000001| |~|http://workpiles.com/2014/09/android_wear-sensor-accelerometer/| |~|http://www.robotsfx.com/robot/img/radio/WiMaster/WiMaster_how5.html| |挑戦|[[江崎]](卒論:2020)| &br; |LEFT:50|LEFT:450|c |タイトル|職場環境改善を支援する小型ウェアラブルICT機器の開発による短期ストレスへのコーピングと中長期ストレスとの関連| |要旨|情報数理工学と生体工学を融合した基盤研究にもとづいて，組み込みセンサーで環境・生体情報を取得すると同時に文字や数値でライフログとして保存し，行動識別し，ストレスを検知してコーピングする基盤技術を開発する| |Keyword|ライフログ，行動識別，ストレス検知，コーピング| |手順|1）組み込みセンサーで周辺の環境を映し文字や数値としてサーバに蓄積する．同時に生体センサーデータなども蓄積し，共起グラフや状態遷移を獲得する．| |~|2）個人の行動パターンにおける普段と異なるイベント検出や，他人との行動パターンとの類似性を検出し，提案手法の新規性と有効性を検証する．| |~|3）ストレスを定量的に把握して，必要なコーピングを行いストレスを下げる．| |リンク|http://www.my-signals.com/| |~|https://www.cooking-hacks.com/mysignals-hw-ehealth-medical-biometric-iot-platform-arduino-tutorial/| |~|http://deviceplus.jp/hobby/entry023/| |~|https://www.youtube.com/watch?feature=player_embedded&v=FgwOgb73lrE#!| |~|https://style.nikkei.com/article/DGXNASFK0503N_V00C13A2000001| |~|http://workpiles.com/2014/09/android_wear-sensor-accelerometer/| |~|http://www.robotsfx.com/robot/img/radio/WiMaster/WiMaster_how5.html| |挑戦|[[瀧田]](卒論:2021)| &br; |BGCOLOR(pink):LEFT:50|BGCOLOR(pink):LEFT:450|c |タイトル|農福連携におけるインソール・ネックバンド型機器のデータフュージョンによるコーピングシステム| |要旨|農福連携において障がい者の不安を和らげる足元状態測定のインソール型機器とストレス値測定のネックバンド型機器の開発を行い，足元が不安定なときのストレス値の変化，ストレスコーピングによるストレス値の変化などを調べる| |Keyword|歩行支援，ストレスコーピング，装着型デバイス，データフュージョン| |手順|1）開発したインソール型機器とネックバンド型機器をユーザーに装着し，取得したデータを研究室内のサーバーに送信する| |~|2）サーバーに送信されたデータで足元状態の測定，ストレス値の計算を行う．| |~|3）高いストレスが検出されたらストレスコーピングを行い，ストレス値の変化の観察を行う．| |リンク|https://tomi-tomi-pon.hatenablog.com/entry/2018/11/07/012854| |~|https://omoroya.com/arduino-lesson49/| |~|https://qiita.com/en129/items/31b0f67c1d886df2aef6| |挑戦|[[八十住]](卒論:2023)| &br; |LEFT:50|LEFT:450|c |タイトル|教学データの学習エビデンスに基づくGPA向上のための情報推薦・学習支援システムの開発| |要旨|情報数理工学と教育工学を融合した基盤研究にもとづいて，入学試験，受講科目，成績評価，課外活動，進路などの教学データから学生をクラスタリングし，モチベーション向上のための対話型の学習コンテンツ推薦の基盤技術を開発する| |Keyword|教学データ，入試，履修，成績，学外活動，進路| |手順|1）学生の入試，科目等の成績，課外活動，進路の情報の提供を受け，属性や履歴による分類，類型化を行い，希望する進路に繋がる受講科目や成績のキャリアパスを明示する．| |~|2）学生のモチベーションや成績を向上させるため，キーワードに応じた学習コンテンツをWeb上から収集し整理して提示するe-Learningシステムを構築する．| |~|3）コンテンツに対する学生からの評価を反映し自動で情報推薦を組み直し評価を改善させる．| |リンク|https://www.atama.plus/| |~|https://couger.co.jp/detail05.html| |~|https://www.ieice.org/~dpf/wp-content/uploads/2019/09/BCを使ったAI血統検証基盤の提案.pdf| |挑戦|[[滝沢]](卒論:2021)| &br; |BGCOLOR(pink):LEFT:50|BGCOLOR(pink):LEFT:450|c |タイトル|[[効率的な遡り学習も考慮できる目標逆算型積み上げ式学習支援システム>中市引継ぎ.nakaichi]]| |要旨|学習スケジュール支援システム，スタディログを考慮した2Dグラフを作成| |Keyword|教育，自ら学ぶ力，遡り学習，積み上げ式学習，CPM| |手順|1）年間指導計画と学習系統図から単元データを作成| |~|2）ユーザーから情報を受け取る| |~|3）スケジュールと2Dグラフを作成する| |リンク|****| |挑戦|[[中市]](卒論:2023)| &br; |LEFT:50|LEFT:450|c |タイトル|ビジュアル・プログラミングのための情報推薦機構| |要旨|情報数理工学と教育工学を融合した基盤研究にもとづいて，入学試験，受講科目，成績評価，課外活動，進路などの教学データから学生をクラスタリングし，モチベーション向上のための対話型の学習コンテンツ推薦の基盤技術を開発する| |Keyword|教学データ，入試，履修，成績，学外活動，進路| |手順|1）学生の入試，科目等の成績，課外活動，進路の情報の提供を受け，属性や履歴による分類，類型化を行い，希望する進路に繋がる受講科目や成績のキャリアパスを明示する．| |~|2）学生のモチベーションや成績を向上させるため，キーワードに応じた学習コンテンツをWeb上から収集し整理して提示するe-Learningシステムを構築する．| |~|3）コンテンツに対する学生からの評価を反映し自動で情報推薦を組み直し評価を改善させる．| |リンク|https://www.atama.plus/| |~|https://couger.co.jp/detail05.html| |~|https://www.ieice.org/~dpf/wp-content/uploads/2019/09/BCを使ったAI血統検証基盤の提案.pdf| |挑戦|[[横井]](修論:2020)| &br; |BGCOLOR(yellow):LEFT:50|BGCOLOR(yellow):LEFT:450|c |タイトル|レジリエンスな生産計画のためのリスク評価指標AVaRのShapley値による最適化| |要旨|****| |Keyword|****| |手順|1）****| |~|2）****| |~|3）****| |リンク|****| |挑戦|[[川口]](卒論:2021)| &br; |BGCOLOR(pink):LEFT:50|BGCOLOR(pink):LEFT:450|c |タイトル|即興演奏のためのメロディーから感性に合うコード譜の作成支援システム| |要旨|****| |Keyword|****| |手順|1）****| |~|2）****| |~|3）****| |リンク|****| |挑戦|[[山内]](卒論:2023)| &br; **サイバー空間データ [#v4b7fbc4] |LEFT:50|LEFT:450|c |タイトル|Wikipedia情報収集による可読性向上のための機械学習的要約手法の開発| |要旨|情報数理工学と知識工学を融合した基盤研究にもとづいて，Wikipediaなどのオンライン百科事典を自動テキスト要約や難易度判定により，記事の可読性を客観的に定量的に調整する基盤技術を開発する| |Keyword|要約，平易化，テキストマイニング，評価尺度の確立| |手順|1）日本語版Wikipediaデータベースから全記事の解説ページを決められた文字数内で可読性を向上する為に、自動テキスト要約とシソーラスによる文章の平易化を行う。| |~|2）自動テキスト要約による要約率と平易化により，その出力を客観的に難易度判定を行うとともに被験者による検定を行う。| |~|3）被験者ごとに要約と平易化による最適な難易度を機械学習で改善させる| |リンク|http://www.nltk.org/book-jp/ch12.html| |~|https://www.slideshare.net/moguranosenshi/ss-47551205/| |~|https://recruit.gmo.jp/engineer/jisedai/blog/deep-q-learning/| |挑戦|[[小野田]](卒論:2017)| &br; |LEFT:50|LEFT:450|c |タイトル|特許情報収集による知財創造のための発見的価値創造手法の開発| |要旨|情報数理工学と知識工学を融合した基盤研究にもとづいて，パテントマップなどの特許情報を自動テキスト要約や類似度判定により，連想的に結合改善することで知的財産の創出を支援する基盤技術を開発する| |Keyword|パテント，知的財産，キーグラフ，価値関数，| |手順|1）特許情報プラットフォームから特許の名称，要約や請求項に含まれる重要なキーワードを抽出する．特許間での要約などから類似度を算出し，パテントマップの一部分として分類・整理する．| |~|2）それぞれの特許のキーワードを連想的に結合した新たな知財のキーワードを既存の特許との類似性（包含具合）や位置関係を描画すると同時に，単なるキーワードの組み合わせでなく特許として価値がある内容かをチェックできる方法を提案する| |~|3）キーワードの結合の度合いや既存特許との位置関係を，特許としての価値と機械学習で習得させて，キーワードが与えられた時に，特許としての価値が最大となるような知的財産が創出できるように改善させる．| |リンク|https://www.ondatechno.com/Japanese/mailmagazine/mail3/index.html| |~|https://patent-i.com/ja/wiki/map/| |~|https://media.accel-brain.com/web-pdf-abstract-academic-papers/| |~|https://qiita.com/tmnck/items/2118d48c2ebee89e881c| |~|https://zaburo-ch.github.io/post/q-learning/| |挑戦|[[小野田]](修論:2018)| &br; |LEFT:50|LEFT:450|c |タイトル|Web情報収集による知識発見のためのルールベース洗練化手法の開発| |要旨|情報数理工学と知識工学を融合した基盤研究にもとづいて，Web，Twitterなどのネット情報を自然言語処理や予測モデルの構築を行い，知識ベースを客観的に定量的に洗練する基盤技術を開発する| |Keyword|キーワード，自然言語処理，遷移確率，３D描画，知識発見| |手順|1）ドル円の解説の記述がある複数のWebページの過去データを形態素解析し，不特定多数の発言で，ドル円が上下するきっかけワードを知識やルールとして蓄積する．| |~|2）Twitterやニュースサイトを収集し，きっかけワードが出た時に実際，ドル円が上下どう動いたのか予測の精度を検証する．| |~|3）構築した知識，ルールの予測の精度を機械学習で改善していく| |リンク|https://qiita.com/ryo_grid/items/5a5ecc602186a3381c87| |~|http://www.randpy.tokyo/entry/python_wordcloud| |~|http://postd.cc/visualizing-relationships-between-python-packages/| |挑戦|[[山元]](卒論:2019)| &br; |BGCOLOR(pink):LEFT:50|BGCOLOR(pink):LEFT:450|c |タイトル|IPランドスケープ支援のための特許情報のベクトル化を用いた共起語ネットワーク作成システム| |要旨|情報数理工学と知識工学を融合した基盤研究にもとづいて，特許情報のベクトル化などにより，新たな知的発見を支援する基盤技術を開発する．| |Keyword|IPランドスケープ，知的財産戦略，自然言語処理，3D描画| |手順|1）ユーザーの入力に基づいてGooglePatentsから特許本文をスクレイピングする．| |~|2）| |~|3）****| |~|2）スクレイピングしたテキストデータをベクトル化し，クラスタリングする．| |~|3）クラスタリング結果をもとに共起語ネットワークを3Dグラフで描画する．| |リンク|https://huggingface.co/sonoisa/sentence-bert-base-ja-mean-tokens| |~|http://gensen.dl.itc.u-tokyo.ac.jp/pytermextract/| |~|https://vasturiano.github.io/3d-force-graph/| |挑戦|[[平井]](卒論:2023)| &br; |BGCOLOR(yellow):LEFT:50|BGCOLOR(yellow):LEFT:450|c |タイトル|証拠に基づく政策立案のためのオープンデータを利活用したWebGIS可視化によるデータフュージョン| |要旨|****| |Keyword|オープンデータ，GIS| |手順|1）****| |~|2）****| |~|3）****| |リンク|****| |挑戦|[[長瀬]](卒論:2021)| &br; |BGCOLOR(pink):LEFT:50|BGCOLOR(pink):LEFT:450|c |タイトル|****| |要旨|****| |Keyword|****| |手順|1）****| |~|2）****| |~|3）****| |リンク|****| |挑戦|[[長瀬]](修論:2023)| &br; |BGCOLOR(yellow):LEFT:50|BGCOLOR(yellow):LEFT:450|c |タイトル|遺伝子データベースからのテキストマイニングによるPathwayにおけるタンパク質の関連性の可視化| |要旨|****| |Keyword|キーワード，****| |手順|1）****| |~|2）****| |~|3）****| |リンク|****| |挑戦|[[武藤]](卒論:2021)| &br; |BGCOLOR(pink):LEFT:50|BGCOLOR(pink):LEFT:450|c |タイトル|****| |要旨|****| |Keyword|****| |手順|1）****| |~|2）****| |~|3）****| |リンク|****| |挑戦|[[武藤]](修論:2023)| &br; **高頻度データ [#y80efcd1] |LEFT:50|LEFT:450|c |タイトル|Web情報収集による知識発見のためのルールベース洗練化手法の開発| |要旨|情報数理工学と知識工学を融合した基盤研究にもとづいて，Web，Twitterなどのネット情報を自然言語処理や予測モデルの構築を行い，知識ベースを客観的に定量的に洗練する基盤技術を開発する| |Keyword|スクレイピング，オントロジー，ルール，知識発見| |手順|1）ドル円の解説の記述がある複数のWebページの過去データを形態素解析し，不特定多数の発言で，ドル円が上下するきっかけワードを知識やルールとして蓄積する．| |~|2）Twitterやニュースサイトを収集し，きっかけワードが出た時に実際，ドル円が上下どう動いたのか予測の精度を検証する．| |~|3）構築した知識，ルールの予測の精度を機械学習で改善していく| |リンク|https://qiita.com/ryo_grid/items/5a5ecc602186a3381c87| |~|http://www.randpy.tokyo/entry/python_wordcloud| |~|http://postd.cc/visualizing-relationships-between-python-packages/| |~|https://deepage.net/machine_learning/2017/08/10/reinforcement-learning.html| |~|https://qiita.com/yukiB/items/0a3faa759ca5561e12f8| |~|http://kamonohashiperry.com/archives/762| |~|http://blog.takuya-andou.com/entry/deeplearning_kabu| |~|http://www.intellilink.co.jp/article/column/bigdata-kk01.html| |挑戦|[[麻生]](修論:2018)| &br; |LEFT:50|LEFT:450|c |タイトル|金融データに対するポートフォリオのためのロジックのパラメータ調整手法の導出| |要旨|情報数理工学と金融工学を融合した基盤研究にもとづいて，株価，為替などの金融データに対するマルチンゲールやココモ式等のロジックのパラメータ調整で，破産確率を抑えながら資産を増加させるポートフォリオ戦略を導出する基盤技術を開発する| |Keyword|金融データ，MetaTrader5, ロジック，資産運用，破産確率| |手順|1）マルチンゲールやココモ式等のロジックのパラメータを固定して，金融の時系列に対して投資を行い破産確率や資産運用のデータを蓄積する．| |~|2）金融の時系列の特性や，パラメータの設定の違いにより，どのように資産運用の成果が異なってくるのかを検証する．| |~|3）時系列に対する最適なパラメータを機械学習で設定し評価（資産）を改善する．| |リンク|http://tsuzuki.ise.ibaraki.ac.jp/TS_lab/IFTA2013_Jpn.html| |~|http://mituwasou.com/fxblog_beginner/trade/martingale.html| |~|http://d.hatena.ne.jp/hiroyukikojima/201507| |~|http://www.kogures.com/hitoshi/webtext/or-hasan-kakuritu/index.html| |~|http://act-trader.com/bankruptcy-probability/| |~|https://fx.dogrow.net/| |~|https://www.mql5.com/ja/articles/497| |~|https://www.mql5.com/ja/articles/55| |~|https://www.mql5.com/ja/articles/3795| |~|https://www.mql5.com/ja/articles/3886| |挑戦|[[大谷]](卒論:2020)| &br; |LEFT:50|LEFT:450|c |タイトル|市場間分析を活用した高頻度データに対するパラメータ選択による最適なストラテジー構築| |要旨|情報数理工学と金融工学を融合した基盤研究にもとづいて，株価，為替などの金融データに対するマルチンゲールやココモ式等のロジックのパラメータ調整で，破産確率を抑えながら資産を増加させるポートフォリオ戦略を導出する基盤技術を開発する| |Keyword|金融データ，MetaTrader5, ロジック，資産運用，破産確率| |手順|1）マルチンゲールやココモ式等のロジックのパラメータを固定して，金融の時系列に対して投資を行い破産確率や資産運用のデータを蓄積する．| |~|2）金融の時系列の特性や，パラメータの設定の違いにより，どのように資産運用の成果が異なってくるのかを検証する．| |~|3）時系列に対する最適なパラメータを機械学習で設定し評価（資産）を改善する．| |リンク|http://tsuzuki.ise.ibaraki.ac.jp/TS_lab/IFTA2013_Jpn.html| |~|http://mituwasou.com/fxblog_beginner/trade/martingale.html| |~|http://d.hatena.ne.jp/hiroyukikojima/201507| |~|http://www.kogures.com/hitoshi/webtext/or-hasan-kakuritu/index.html| |~|http://act-trader.com/bankruptcy-probability/| |~|https://fx.dogrow.net/| |~|https://www.mql5.com/ja/articles/497| |~|https://www.mql5.com/ja/articles/55| |~|https://www.mql5.com/ja/articles/3795| |~|https://www.mql5.com/ja/articles/3886| |挑戦|[[木下]](卒論:2021)| &br; **生体データ [#q64165de] |LEFT:50|LEFT:450|c |タイトル|簡易な脳波計測による行動識別・予測のための機械学習的クラスタリング手法の開発| |要旨|情報数理工学と感性情報工学を融合した基盤研究にもとづいて，脳波，脈波などの生体信号を独立主成分分析やクラスタリング分析をし，行動の識別や予測を客観的に定量的に判別する基盤技術を開発する| |Keyword|生体データ，Mark IV, 時系列，特徴抽出，行動識別・予測| |手順|1）被験者に脳波計や脈波計などをつけて，勝ち負け引き分けを指示し，ジャンケンの手の画像見せて，生体信号を蓄積する．| |~|2）ジャンケンの手の画像見せて，生体信号から個人の識別や，あるいはジャンケンの手の予測をして，識別や予測の精度を検証する．| |~|3）識別や予測の精度を機械学習で向上するべく改善していく| |リンク|https://www.jstage.jst.go.jp/article/ieejeiss1987/118/11/118_11_1584/_pdf| |~|https://ci.nii.ac.jp/naid/110009727763| |~|https://patent-i.com/ja/wiki/map/| |挑戦|[[麻生]](卒論:2017)| &br; |LEFT:50|LEFT:450|c |タイトル|なぞり運動における内部モデルと習熟メカニズムの模倣と応用| |要旨|情報数理工学と制御工学を融合した基盤研究にもとづいて，ターゲットトラッキングタスクでなぞり運動における内部モデルのモデル化と習熟メカニズムを解明する．拡張カルマンフィルタと報酬駆動システムの枠組みで自律分散制御の基盤技術を開発する| |Keyword|Python，マウス，拡張カルマンフィルタ，強化学習| |手順|1）マウスでターゲットトラッキングしズレや時間を数値としてサーバに蓄積する．繰り返しに伴う慣れによる変化を観測し，内部モデルのパラメータを推定する．| |~|2）個人の行動パターンにおける普段と異なるイベント検出や，他人との行動パターンとの類似性を検出し，提案手法の新規性と有効性を検証する．| |~|3）拡張カルマンフィルタと報酬駆動型システムの枠組みで自律分散制御を行う| |リンク|https://qiita.com/miyamotok0105/items/9ce8d4425768828628c9| |~|http://www.jaist.ac.jp/~hirokazu/Site/Publicatons_files/TanakaBusseiKenkyu2009.pdf| |~|&ref(人間-カルマン.pdf); &ref(インピーダンス制御.pdf);| |~|&ref(内部モデルの信頼度.pdf); &ref(感覚運動統合システム.pdf);| |~|&ref(随意運動制御.pdf); &ref(運動のし易さ.pdf);| |~|http://www.s12600.net/psy/python/ppb/html/chapter08.html| |~|http://www.hues.kyushu-u.ac.jp/education/student/pdf/2003/2HE02052K.pdf| |~|https://blog.scimpr.com/2017/12/17/| |挑戦|[[清水]](卒論:2020)| &br; **並列分散処理 [#ad4a0ea4] |LEFT:50|LEFT:450|c |タイトル|IoTによる製造・作業情報取得と数理計画による生産性向上手法の開発| |要旨|情報数理工学と最適化工学を融合した基盤研究にもとづいて，組み込みセンサーで製造・作業情報を取得すると同時に文字や数値で生産ログとして保存し，生産管理，品質管理，スケジューリングを最適化する基盤技術を開発する| |Keyword|マイコン，カメラ，各種センサー，生産ログ，大規模最適化，分散処理| |手順|1）組み込みセンサーで周辺の環境を映し文字や数値としてサーバに蓄積する．同時に各種センサーデータなども蓄積し，標準作業時間や生産情報を獲得する．| |~|2）組立工程におけるムリ・ムダがない作業・人員割り当てによる生産性の向上，品質・ヒヤリハットなどリスクの抑制を行い，提案手法の新規性と有効性を検証する．| |~|3）生産性向上，リスク抑制，労働環境改善を数理計画による最適化で実現する| |リンク|https://thinkit.co.jp/story/2013/08/22/4206| |~|http://techblog.clara.jp/2016/04/raspberry-pi-3-model-b_install_and_ssh_connect/| |~|http://monoist.atmarkit.co.jp/mn/articles/1601/08/news140.html| |~|http://tyk-systems.com/PowerMeasure/PowerMeasure.html| |~|http://tiger-star.net/raspberry-pi/742| |~|https://teratail.com/questions/8617| |~|https://qiita.com/artk/items/72f9db560835673e8129| |~|http://musenka.com/case/sensor_data_transfer_to_wireless.html| |挑戦|[[杉山]](卒論:2018)| &br; |LEFT:50|LEFT:450|c |タイトル|経営データに対するブルウィック効果抑制のための需要予測の影響分析| |要旨|情報数理工学と生産工学を融合した基盤研究にもとづいて，受注，発注などの経営データに対するマルチンゲールやココモ式等のロジックのパラメータ調整で，破産確率を抑えながら資産を増加させるポートフォリオ戦略を導出する基盤技術を開発する| |Keyword|経営データ，サプライチェーン, 内示生産，ブルウィップ効果，情報の流れ| |手順|1）マルチンゲールやココモ式等のロジックのパラメータを固定して，金融の時系列に対して投資を行い破産確率や資産運用のデータを蓄積する．| |~|2）金融の時系列の特性や，パラメータの設定の違いにより，どのように資産運用の成果が異なってくるのかを検証する．| |~|3）時系列に対する最適なパラメータを機械学習で設定し評価（資産）を改善する．| |リンク|http://| |~|http://| |~|http://| |挑戦|[[横井]](卒論:2018)| &br; |BGCOLOR(yellow):LEFT:50|BGCOLOR(yellow):LEFT:450|c |タイトル|Web情報を活用した自動献立作成における制約条件を考慮できる粒子群多目的最適化の並列分散処理| |要旨|****| |Keyword||****| |手順|1）|****| |~|2）|****| |~|3）|****| |リンク||****| |挑戦|[[安藤]](卒論:2021)| &br; |BGCOLOR(red):LEFT:50|BGCOLOR(red):LEFT:450|c |タイトル|| |要旨|| |Keyword|| |手順|1）| |~|2）| |~|3）| |リンク|| |~|| |挑戦|[[**]](2020)|
