ResearchWork

FrontPage

研究内容紹介

概要 †

広くいえば「社会にある課題をICTで解決を目指す」。となります。
かみ砕いて言えば、
「課題」＝外部から与えられる・自分で見つける。
「ICT」＝ＡＩの研究分野で行われている技術（知識工学や機械学習、それらの基盤となる数学）
といったところです。
考えるだけでなく、手を動かすことも意識します。

説明 †

ＡＩを伸ばす研究 †

ＡＩ実現の基盤となる技術についての研究に取り組みます。
現在は、既存の技術の組み合わせがが主体となっています。

ＡＩで作る研究 †

ＡＩ技術を利用し、問題解決を行う研究に取り組みます。
現在は、主に「データから機械学習技術等で構築したモデルを基に新規データを処理する」という枠組みを具体的課題に適用する研究に取り組んでいます。
アイディアに終わることなく、実装・検証にも積極的に取り組むことを目指しています。 「データから機械学習技術等で構築したモデルを基に新規データを処理する」枠組みの流れは、大まかには以下の通りです。

1. データから，特徴を抽出
2. データから，機械学習手法などを用いてモデル化
   • 既存手法の変更・既存手法の融合による新たな手法の構築
   • 多分野の知識との融合
3. モデルを用いて，未知（ラベルなし）データを処理 主に利用しているツール、言語は以下の通りです

• C、Java、JavaScript?、R、Python（勉強中)

具体的内容 †

• これまでに取り組んできた内容や今取り組んでいる内容となります。
  • 現状ではあまりすすめていないものもあります。

    種別

    AIで

    AIで

    AIで

    AIで

    AIで

    AIで

    AIで

    AIを

    AIで

    AIで

    AIで

    タスク

    分類・推定

    分類・推定

    分類・推定

    分類・推定

    分類・推定

    分類・推定

    生成

    分類・推定

    分析

    分類・推定

    分類・推定

    ドメイン

    特許

    医療

    音声

    音声

    センサーデータ

    メール

    音声

    －－

    AP

    音声

    センサーデータ

    データ型

    テキスト

    テキスト・質

    波形

    波形

    波形

    テキスト

    波形

    数値

    テキスト

    波形＆特徴点

    3Dデータ

    手法

    Naive Bayse

    ○

    手法

    Rough Set

    ○

    手法

    Decision Tree

    ○

    ○

    ○

    ○

    手法

    ルール

    ○

    ○

    ○

    手法

    K-NN

    ○

    ○

    ○

    ○

    手法

    SOM

    ○

    ○

    手法

    AE

    ○

    ○

    ○

    手法

    SVM

    ○

    手法

    ANN、MLP

    ○

    手法

    MTS

    〇

    ○

    ○

    詳細

    Link

    #Tokkyo

    #RRS

    #Onsei_Emotion

    #Hogen

    #pomp

    #BEC

    #Onsei_Music

    #DTwKNN

    #AP

    #VC

    #AnomalyDetection

機械学習手法の融合 †

• 概要
  
  • 複数の機械学習手法を融合することで、精度を向上を図る。
  • ここでは、決定木（Decision Tree）とクラスタ分析(k-NN）の融合を図る。
• キーワード
  
  • 決定木、k-NN
• 論文・発表
  • A Framework for a Decision Tree Learning Algorithm with Rough Set Theory, Proc. of. The 14th International Conference on Intelligent Software Methodologies, Tools and Techniques （頁 341 ～ 352） ，2015年09月, Masaki KUREMATSU , Jun HAKURA and Hamido FUJITA
  • A Framework for a Decision Tree Learning Algorithm with K-NN, Communications in Computer and Information Science，513巻 （頁 39 ～ 51） ，2015年04月, Masaki Kurematsu, Jun Hakura, Hamido Fujita
  • A Framework for Improvement a Decision Tree Learning Algorithm Using K-NN, IEEE 13th International Conference on Intelligent Software Methodologies, Tools and Techniques （頁 206 ～ 212） ，2014年09月, 槫松理樹,羽倉淳,藤田ハミド
  • A Framework for Integrating a Decision Tree Learning Algorithm and Cluster Analysis, IEEE 12th International Conference on Intelligent Software Methodologies, Tools and Techniques （頁 225 ～ 228） ，2013年09月, 槫松理樹,藤田ハミド
  • An Idea of Improvement Decision Tree Learning Using Cluster Analysis, Proceedings of The 11th International Conference on Software Methodologies, Tools and Techniques （頁 351 ～ 360） ，2012年09月, Saori Amanuma, Masaki Kurematsu and Hamido Fujita

画像と声質変化を用いた音声再現 †

• 概要
  
  • 目標とする人の音声を、ベースとなる人の音声の声質を変化させること（ボイスチェンジャ）により、再現する。簡単に言えば、想像に基づく声真似
  • 声質の変化量を決めるのに、機械学習手法を活用する。
• キーワード
  
  • 声質変換、AE、RT
• 論文・発表

工場施設の異常検知 †

• 概要
  
  • 工場設備に取り付けられたセンサのデータをもとに設備の異常検知を試みる。
  • 振動音分析 #pompの発展
• キーワード
  
  • RT、ANN
• 論文・発表

特許分類 †

• 概要
  
  • 専門家が付与した分類情報に基づき、新しい特許の分類を行う。
    
  • 分類は、一つの特許に、「解決すべき課題」「用いる手段」の二種類が与えられる。
    
  • 基本的に、同一分類の特許に出現する語句（群）と分類との関係モデルを構築し、それを用いて推定する。
    
  • 関係モデルとしては、ナイーブベイズ、ニューラルネットワーク、決定木、ラフ集合、association分析を念頭においている。
    
  • 分散表現やほかのものも検討中
    
• キーワード
  
  • 特許情報、自然言語処理、文書分類、ナイーブベイズ、ラフ集合
    
• 論文・発表
  • ラフセット理論を用いた文書分類システムの提案，知能と情報 32 ( 4 ) 778 - 781，2020年08月
  • 19th International Conference on Intelligent Software Methodologies Tools and Techniques，2020年09月，国際会議，A Study of a Patent Documents Classification System Using Rough Set Theory and Machine Translation，口頭（一般）
  • 2020年度 人工知能学会全国大会（第34回），国内会議 ，ラフ集合理論とRT法を用いた文書分類手法の提案，ポスター（一般）

• 第17回情報科学技術フォーラム，国内会議，2018年09月，機械翻訳を活用した特許公報分類支援システムの提案，口頭（一般）
• 第 34 回ファジィシステムシンポジウム，国内会議，2018年09月，ラフセット理論を用いた特許公報分類推定システムの検討，口頭（一般）
• 2018年度 人工知能学会全国大会（第32回），国内会議，2018年06月，ラフセット理論を用いた特許公報分類支援システムの提案，口頭（一般）
• 第33回ファジィシステムシンポジウム，国内会議，2017年09月，山形大学工学部，ニューラルネットワークを用いた特許分類システムの提案 ，口頭（一般）
• 2017年度 人工知能学会全国大会（第31回），国内会議，2017年05月，単語出現頻度と機械学習手法を利用した公開特許の課題・手段分類システムの検討，口頭（一般）
• 2016年度人工知能学会全国大会，国内会議，2016年06月，語句出現頻度を利用した公開特許からの課題・手段推定システムの検討，口頭（一般）
• 第14回FIT情報科学技術フォーラム，国内会議，2015年09月，ブロック単位の語句の出現頻度に基づく特許分類支援システムの提案，口頭（一般）
• 2015年度人工知能学会（第29回），国内会議，2015年05月 ～ 2015年06月，ブロック単位の語句の出現頻度に基づく特許課題・手段推定システム，口頭（一般）

アドミッションポリシー分類 †

• 概要
  
  • 各大学のWebページから収集したアドミッションポリシー（AP）を自然言語処理技術を用いて分析。
    
  • 語句などの出現に関する統計分析のほか、テキストマイニング技術を用いたモデル先生などを実施。
    
• キーワード
  
  • アドミッションポリシー、自然言語処理、テキストマイニング
    
• 論文・発表
  • テキストマイニング技術を用いたアドミッション・ポリシーの分析，大学入試研究ジャーナル ( 30 ) 80 - 85 ，2020年03月
  • 全国大学入学者選抜研究連絡協議会大会（第14回），テキストマイニング技術を用いたアドミッション・ポリシーの分析

方言音声 †

• 概要
  
  • 方言音声を音素列に変換することを試みる。
    
  • 方言音声の音素ごとに特徴を抽出し、その特徴と音素との関係モデルを構築、それを利用する。
    
  • WaveletやAutoencoder、SOMの活用を試みている
    
• キーワード
  
  • 音声認識、AutoEncorder?、SOM、IPA
    
• 発表
  • 平成30年度電気関係学会東北支部連合大会，国内会議，2018年09月，多様な方言に対応した音声認識システムの開発，口頭（一般）
  • 平成 2 9 年度情報処理学会東北支部研究会 ( 山形大学 )，国内会議，2018年03月，山形大学工学部，SOM と Autoencoder を用いた方言音声認識手法の提案，口頭（一般）
  • 平成28年度情報処理学会東北支部研究会(山形大学)，国内会議，2017年03月，方言の音声認識モデル構築に向けた音声データの音素分割点の検知手法の提案，口頭（一般）
  • 平成28年度 情報処理学会東北支部研究会（八戸工業大学），国内会議，2016年12月，リカレントプロットとANNを用いた方言音素認識手法の提案，口頭（一般）

RRS・未病・PEWS †

• 概要
  
  • 院内救急対応システム（Rapid Response System）を支援する情報環境の開発を試みる。
    
  • 一つは、RRSの起動判定を支援するモジュールの開発
    
  • 一つは、収集したデータから統計解析手法やデータマイニング手法を用いて処理を行うモジュールの開発
    
  • データマイニングとしては、association ルールやラフ集合、決定木などを検討。
    
    
• キーワード
  
  • Rapid Response System、NEWS、PEWS、MEWS
    
• 発表
  
  • 日本集中治療医学会東北支部学術集会，国内会議，2017年07月，小児救急外来におけるバイタルサイン測定の現状，口頭（一般）

語感と音楽知見を使った音声合成（ふしあそび） †

• 概要
  
  • 発話対象文に対し、語感から印象を抽出。印象から音楽知見を用いて発話方法を決定。発話する。
    
  • 人の声の周波数分析と、合成音声の周波数分析を比較
    
  • 会話というよりかは、ふしあそび、のほうがよさそう。
    
    
• キーワード
  
  • 音楽知見、感情、語感
    
• 発表
  • 第12回日本感性工学会春季大会，国内会議，2017年03月，語感と楽譜情報を利用した音声合成手法の提案，ポスター（一般）
  • 第11回日本感性工学会春季大会，国内会議，2016年03月，語感と歌曲を利用した音声合成手法の提案，口頭（一般）
  • A Framework of Emotional Speech Synthetise Using a Chord and a Scale. Proceedings of The 9th International Conference on Software Methodologies, Tools and Techniques （頁 500 ～ 508） ，2010年09月, Masaki KUREMATSU and Hamido FUJITA , Hiroki Chiba, Jun HAKURA

音声からの感情分析 †

• 概要
  
  • 感情ラベルのついた音声から、機械学習や統計手法を用いて判別モデルを作成。これを用いて、感情を推定。
    
  • 話し手か聞き手かで意味がかわる。
    
• キーワード
  
  • 音声認識、感情認識、分類
    
• 論文・発表
  • A Framework of Emotional Speech Synthesize Using Musical Knowledge, Proceedings of The 10 th Internatinal Conference on Intelligent Software Methodologies, Tools and Techniques （頁 305 ～ 312） ，2011年09月, Masaki Kurematu, Hiroki Chiba, Hamido Fujita and Jun Hakura
  • An Extraction of Emotion in Human Speech Using Cluster Analysis and a Regression Tree, Proceedings of 10th WSEAS International Conference on Applied Computer Science （頁 346 ～ 350） ，2010年10月, Masaki KUREMATSU, Saori AMANUMA, Jun HAKURA and Hamido FUJITA
  • An Approach to Implement Listeners to Estimate Emotion in Speech, New Trends in Software Methodologies, Tools and Techniques (Proceedings of Eight SoMeT_09)，2009年09月, Masaki Kurematsu, Marina Ohashi, Orimi Kinosita, Jun Hakura, HamidoFujita?

振動音分析 †

• 概要
  
  • 振動センサーから得た情報から、モータの不具合、経年劣化の推定を試みる。
    
  • 分類わけしたセンサー情報から、特徴を抽出し、その特徴と分類との関係モデルを構築、それを利用する。
    
  • ニューラルネットワークやk-nn、SOMなどの利用を試みている
    
• キーワード
  
  • AutoEncorder??
    

ビジネスメール詐欺への対応 †

• 概要
  
  • ビジネスメール詐欺対策として、いつもと違う文面のメール認識を行う。
    
  • 今のところはSPAM判定の方法を援用
    
• キーワード
  
  • ビジネスメール詐欺、分類
    
• 補足
  
  • 学生の卒論がスタート