研究分野別一覧
機械学習
-
O2-1我々が何かを認識するとき、それはその何かの鋳型のような“表象”を我々が持っている、という考え方は、デカルト以来の心の哲学や認知科学でも主流の考え方である。しかし、もしその表象の考え方から脱け出すのならば、“直接アクセスできない対象”をアクセスできるデータから、その“正解”のない場面において如何に構築するのかを説明する必要がある。本研究はこれをオブジェクト同定問題と呼び、その最たる一例として曖昧図形の錯視を数理的に説明するモデルを示す。
-
P1-5本研究では,ワークショップのもつ【個別性】【多主体性】【時間性】【多目的性】を考慮しながら,ワークショップのプロセスを定量的な手続きで可視化する手法を提案する.その事例として,「京都大学サマーデザインスクール2017」で行われた22のワークショップについて可視化・比較を行う.本研究の手法は,ワークショップの実践知の共有や,様々な教育活動における形成的評価のための道具となる可能性を持っている.
-
P1-16機械学習技術の発展に伴い,人工エージェントと人間との協働の実現が期待されている.協働では参加するメンバ間の相互理解が重要となる.Fukuchi et al.が提案したPublicSelfは,エージェントの目標を人に伝達する動きであるlegible motionを生成することができ, 本研究では情報の非対称性が発生する場面での観測者への影響を検証する実験を行った.結果,人がエージェントの目標を推測する際の精度を向上できることが確認できた.
-
P1-26ソフトウェア開発の要件定義にて,顧客要求は過不足なく定義されるべきであるが,既存のレビュー指標ではその必要十分性を評価できず,レビューアに依存する.そこで,レビューアのもつ要求の必要十分性判別能力をはかるための課題を作成する実験を実施した.その結果,象徴化された顧客要求に対し,必要十分性を満たす/満たさない要求のセットを得た.さらに,本実験は一般の要件定義工程と同様の性質を持ち,その工程を十分に模した実験であることが示唆された.
-
P2-47本論文では, Risk-sensitive Satisficing (RS)とRSを用いた満足化と記録共有による対抗模倣について, goal-setting theoryとの比較を行うことで人間の学習との関連性を把握することを目的とする. バンディットタスクを用いた確率的なノイズと疎な間隔での情報共有について検証を行なった結果, RSとRSによる対抗模倣にはgoal-setting theoryとの共通する点が見られた.