本稿では，人間とロボットの間で自然なコミュニケーションの実現を目指し，コミュニケーションエージェントの感情モデルを提案する．

提案モデルは，「怒り」，「嫌悪」，「恐れ」，「悲しみ」，「幸福」，「驚き」の6感情を持ち，ファジィ認知マップで構成されている．6感情を相互に結合することで，幸福だが悲しい，悲しくて恐ろしい，恐ろしくて嫌悪するといった複数の感情を同時に表現することができる．提案モデルは，時間的に変化する重みと時間遅れの要素を組み込んでいて，情動と気分，サーカディアンリズムを表現する．感覚遮断を模して1週間放置した実験では，周期的に過去の感情が励起する反応が観察された．

本稿では，強化学習における行動政策と価値評価をベイズ推定の観点から再考し，プロスペクト理論を用いた新たなアルゴリズムを考案する．良い行動がベイズ推定に基づいた確率分布基準によって選択されることを実現し，これにより従来法よりも探索効率という点で優れた学習となる．この分布関数はベータ分布で表現され，行動選択はその平均値と分散を評価することにより行われる．ベータ分布の2つのパラメータは正の報酬と負の報酬それぞれについての，次状態の値と現状態の値とそのときの報酬の重み付き総和であり，Q学習におけるQ値のように更新される．これらは状態遷移に対応させるためにプロスペクト理論に基づき更新され，これにより強化学習が可能となる．初期確率分布は一様分布とした．提案法の長所である，探索の広さを離散空間経路問題で明らかにし，連続空間経路探索問題でより高度な問題にも適用可能であることを示した．

高等教育の質に対する社会的関心は高く，faculty development（FD）という授業改善活動が広く行われている．FDのための教員への授業のフィードバック手段として，聴講者の受講状態を解析する工学的アプローチが存在する．カメラによって撮影された映像から聴講者の状態を解析する手法は，コストや聴講者への影響の面から，教育現場への導入可能性が高い．しかしこれまでの映像解析の試みでは，状況の多様性に対応できる効果的な特徴量が明らかでなく，またそれらの設計が十分でなかった. そのため，利用できる場面は限られていた．本研究では，聴講者の状態推定課題をパターン認識系と解釈し，機械学習の枠組みで特徴量獲得を行うconvolutional neural networks（CNN）を用いた聴講者の状態推定システムを提案する．そして，CNNを識別器として用いる際に抱える問題を取り上げ，提案システムが学習により獲得した特徴量について議論を行う．様々な環境で撮影された映像データについて性能評価実験を行った結果，提案システムは聴講者の検出性能で適合率が84.8%，再現率が61.8%，全状態の平均正答率で72.8%を達成した．CNNによる聴講者の状態推定は，学習データ数を制限した問題設定においても高い性能を示し，聴講者に関わる特徴を効率的に獲得することが示唆された．

大量で良質な対訳コーパスの確保は，翻訳機能を計算機処理により実現する統計的機械翻訳をはじめ，対訳用語辞書作成などの情報資産の有効活用に向け，重要性が認識されてきている．これまで大規模対訳コーパスの構築が行われる一方で，対訳コーパスの品質改善を目的に修正や更新を行うこと（クリーンアップ）に関する方法論はまだよく知られていない．本稿では言語獲得にみられる再帰的学習に基づき，言語間で文中の単語が対応付くような良質な大規模対訳コーパスの構築に向けたクリーンアップ方法を提案する．提案方法では，対訳コーパスの学習による機械翻訳の出力との差分のフィードバックにより対訳コーパス中の文対を取捨選択して更新することでクリーンアップを実現する．日英特許対訳コーパスを対象にした実験を通して，提案方法による対訳コーパスのクリーンアップの効果を明らかにする．