スマートグリッドにおける電力資源配分問題など，大規模な複数ユニット組合せオークションの利用が期待される問題が多くあり，その基礎技術および応用に関する検討が進みつつある．本研究では，そのような応用分野での実際の適用に向けて，これまでに高速な大規模複数ユニット組合せオークション問題に対して開発を進めてきたアルゴリズムに対して．留保価格を考慮した拡張を加え，その特性について考察する．

本論文では，エージェントが複数の財を所持する物々交換モデルを扱う．エージェントの選好に制限がない場合，個人合理性，パレート効率性，戦略的操作不可能性を同時に満足する交換ルールは存在しないことが知られている．本研究では，各エージェントが得た財の中で，最も好ましい財により効用が決定する選好に制限して議論を進める．これにより，既存の交換ルールの拡張のみで，上記３性質を同時に満足可能であることを示す．

接続可能な社会や低炭素社会の実現に向けて，家庭への太陽光発電と蓄電池導入が注目されている．本研究では，天候などで大きく変化する太陽光発電量の影響を軽減するため，各家庭の蓄電池を共有化してコミュニティ蓄電池とみなし，マルチエージェントシミュレーションにて効率的な電力マネジメントを検討する．家庭の太陽光発電量の予測モデル，電力事業所とコミュニティ間のオークション電力市場モデル導入の有効性が確認された．

観測データをそのデータの高次独立性に基づきクラスタリングする手法を提案し，文書情報など，複数のクラスタに属する情報がある場合での有効性を示した。しかし，ユーザが望むクラスタリング結果とならない場合があった。そのため，ユーザ制約を考慮できるように提案手法を拡張する必要がある。本報告では，ユーザ制約を考慮できる一つの拡張方法について述べるとともに，その有用性をベンチマークデータによる実験で示す。

ユーザが訓練データを与え，コンピュータがデータマイニングを行うインタラクティブ機械学習・制約付きクラスタリングでは，ユーザが訓練データ選択が重要である．また，非明示的フィードバック中には，訓練データ選択に有益な情報が期待できる．そこで，本研究では，ユーザのアイトラッキングにより非 明示的フィードバックを獲得し，効率的な訓練データ選択を支援するインタラクションデザインを提案する．

近年，爆発的に普及したソーシャルメディアや生体内の化学反応の連鎖などをグラフ理論に基づいて解析する手法が数多く提案されてきた．しかしその多くは教師なし学習であり，データの背後に存在する知識を活用していなかったため，半教師付き学習により背景知識を利用する方法が提案された．この発表では半教師付き学習を用いたネットワーク構造のコミュニティ抽出手法の高速化およびユーザとの対話的環境について考察する．

本研究では，ファイアウォールログ分析タスクにおいて人とコンピュータが協調して問題解決を行うために役立つ相互フィードバック設計について検討する． 分析手法として用いるk-近傍法に基づく外れ値検出において，外れ値スコアを計算するための部分特徴空間の探索を対話的に効率よく行うための提案を行う．

コンピュータチェスの分野では、人間とコンピュータが協調して対戦するアドバンスドチェスというゲームが行われている。本研究では、アドバンスド将棋というゲームを提案し、その状況で人間がどのようにコンピュータを利用していくのかを観察した。その結果、コンピュータに対する信頼度に応じて、コンピュータを使って人間が強くなるという利用法、人間が協力してコンピュータを強くするという利用法の二つが観察された。

オフィス等におけるPCを用いたデスクワークにおいては，各ウィンドウの配置や，机上のノート，ペン，マグカップといったオブジェクトの配置動作に煩わしさを感じることがある．この問題を解消するため，本研究ではユーザの代わりにウィンドウやオブジェクトの配置・整理整頓を自律的に行うシステム，AIDE (Autonomous Interactive Desk Environment)を提案する．

本稿では，ユーザのレビュー閲覧履歴から，アイテム評価時に重要視する属性を推定することで，価値観に関するユーザモデルを構築する手法について提案する．レビュー記事には投稿者によるアイテム及びその属性についての評価が記載されているため，どのレビューを参考にしたかに基づきユーザモデルを構築する．構築したユーザモデルを情報推薦に適用し，その有効性について考察する

近年タッチパネルを用いたデバイスが普及している．しかし入力精度の低下が問題となり，ユーザの操作特性を解析しタッチ位置を予測，推定，あるいは補正し精度を向上する研究が盛んに行われている．一方，UIデザインが操作特性に与える影響を考慮した研究は乏しい．そこで本研究では，タッチパネルにおけるUIのキーの配置が人間の操作特性に与える影響を明らかにし，それらの影響を考慮したエラーモデルの構築を目的とする．

自身が学習した知識を他者に教授する際に，教えることの困難に直面する場合がある．その困難が生じる原因として，学習した知識を表面的にしか理解していないことが挙げられる．本稿では，学習者が批評システムを用いて，他者へ知識を教授することの困難を経験することで，自身の学習方法を振り返り，より深く知識を理解するための学習法を体得する学習法再構成モデルについて報告する．

ペアの関係性が与える影響を調査するために教え合い関係を基にしたペア，学生が選択したペア，試験の点数が好成績な学生と低成績な学生を組み合わせたペアを用いた授業を実施し，調査した．また，実際の授業から得られたペア間の学生が持つ関係構造を友人関係，発話関係，学習関係のネットワーク構造に着目する．本研究では，ペア学習のペア間が各々に持つ関係構造に着目し，関係構造が与える影響を調査，及び考察をする．

他人の学習を支援することで，自分の学習も進むという効果が多くの研究で論じられていたが，学習内容の上の段階にある学び方に与える効果についての研究は十分であると言えない．本稿では，医療サービス質の向上を支える看護思考スキルの教育に注目し，学習を支援される側としての学びが支援する側に進む時のレディネスになり，メタ思考スキルへの学習転移の誘発と繋がる教育設計のモデル化とその意図の明記手法について報告する．

本研究では，信念対立の構造を明らかにするケースライティングツール「思知」を中核教材として，メタ思考力不足への気付きを看護サービス思考力学習への動機づけとする教育プログラムを構成している．本稿では，学習者のメタ思考力不足の気づきと学習意欲の向上の関係について，能力不足を自覚するための自己評価項目を用いた手法で得られたデータを用いて報告する．

大学入試の数学の問題を人工知能によって解く試みでは，問題文を一階述語論理式に変換し，限量記号消去法（quantifier elimination, QE）のような数式処理アルゴリズムを適用するというアプローチが採用されている．本研究では，東京大学の実際の入試問題を人手で論理式に変換し，数式処理システムで解いた場合の計算時間等を特定することによって，このアプローチの妥当性を議論する．

Web上には自学自習に役立つサイトが数多く存在するが，学習コンテンツ群が充実したサイトの場合には，一度で学習しきれないため複数回に分けて学習する必要がある．しかし一度学習を離れてしまうと，再び自主的に学習へ復帰するとは限らない．また，Webブラウザ上での学習は脇道に逸れやすい．そこで，Web学習の習慣化支援環境の構築を目指し，まずは学習計画の実行を促すブラウザ拡張機能を試作し評価を行った．

eラーニング等で利用される学習問題は人手で作成されているため，多くのコストがかかる．そこで本研究では，学習に利用できる多くの知識が格納されているWikipediaに着目し，歴史上の人物や出来事に関する記事情報を収めたデータベースを作成し，一問一答形式の歴史学習問題を自動生成することを目的とする．また，作成された問題を学習に利用するために，記事情報から難易度やカテゴリの情報を付与する手法を提案する．

eラーニングシステムで漢字の学習を支援するために多肢選択式の漢字学習問題の自動設計について検討している．漢字学習のための問題文と選択肢について漢字の問題の事例分析に基づいた問題バンクの自動構築，ならびに学習状況に応じた選択式漢字学習問題の選択について述べる．

これまで教科書を基準としたテキストの難易度測定手法は提案されているが、教科書を基準とするため、小学生以上が対象であり、より小さな子供向けの難易度の測定手法はなかった。しかし言語発達は小学生以前からの積み重ねである。絵本は言語発達の重要なインプットであり、年齢や発達に応じた絵本の選定は重要である。本稿では対象年齢が細かく設定されている絵本を基準として利用し、絵本の対象年齢の推定実験を行う。

コミュニケーションに必要とされる眼球動作を再現する様々な遠隔操作ロボットが開発されているが，ロボットの生成した視線が操作者のもののように感じられるかは未だ明らかではない．我々は，視線を提示する眼球ロボットと遠隔地にいる対話相手の映像とをスクリーン上で合成する遠隔対話システムを開発した．このシステムを用いて，ロボットの自動生成した視線が対話相手のものであるかのように感じられるという見通しを得た．

ビデオシースルー方式の拡張現実(AR)では，ビデオ映像にCGが重畳表示されるため，肉眼で現実世界を見るわけではない．本研究では，よりリアリティの高いARをめざし，複数台のKinectと大型透過型スクリーンを利用し，ユーザの位置・動作情報に合わせてCGをスクリーンに重畳する手法を提案する．本手法により，透過型スクリーンの背後の現実世界とスクリーンに提示されたCGの広視野で一体化した知覚が可能になる．

人との身体接触を再現する様々なデバイスが研究されている．しかし，そのようなデバイスにおいて人と接触している感覚を生み出す要因は明らかになっていない．我々は，身体性のあるデバイスが人によって操作されていることが接触感覚を生み出すという仮説を立て，人の手の形をしたマッサージ用ロボットハンドを開発した．このロボットハンドと一般のマッサージ器を自動または遠隔操作で動かす条件を比較する実験で仮説を検証した．

遠隔地の空間を指示するために，遠隔操作ロボットを用いる方法が提案されている．しかし，ロボットによるジェスチャは，本物の人間によって行われたというリアリティが低下する恐れがある．我々は操作者の映像から腕が飛び出したかのように見える遠隔指差しシステムを開発した．このシステムを用いることで，ロボットによって再現されたジェスチャであっても遠隔地の人によって指示行為が行われたように感じるという示唆を得た．

人と人とのインタラクションでは相手の気配を感じることができる．そのような人の気配を人工的に生み出すことが本研究の目的である．我々は，人が隣に座った際の座面の振動を再現するベンチと，遠隔地にいる対話相手の姿をユーザの隣に合成して提示する鏡面映像とを組み合わせた遠隔対話システムを開発した．このシステムを用いて，対話相手の身体動作による物理的な作用の再現が気配として感じられる可能性があることを確認した．

多視点映像は視聴者が様々な視点から事対象を自由に観ることができる一方で，興味に沿って映像を選択し続ける労力を必要とする．我々は視聴支援のために，視対象を選択でき，それを画面中央に釘付けて視点を切り替えられる方式を提案している．本研究ではその有用性を評価するために，視対象に対する興味と選択行動および注視行動の関係性を分析し，視対象と注視点間の距離および選択時間と興味の度合いとの相関性を抽出した．

近年、生活をサポートする便利なシステムが増えている。しかし、人間がそのようなシステム頼ることで、行動決定の際の思考プロセスを省略してしまう可能性がある。そこで、人間とシステムとの知識共有及び人間への思考支援が必要だと考える。本研究では、部屋の片付けをテーマとして、片付けプロセスに関する知識共有及び思考支援を行う。主成分分析を用いて物体配置に意味付をし、これを介して知識共有及び思考支援を実現する。

本提案は、デスクワーク時の座り方検知を、距離センサーによる骨格位置の概略検知と、体圧センサーによる体重移動情報で補完し精度向上するものである。これは、距離センサーだけで衣類を着た状態で、背筋の正しい姿勢検知する事に課題があったが、座布団型体圧検知センサーの圧力情報を評価式に基づきパターン分析する事で可能となり、その検知した姿勢の度合いを視覚化する手法を報告する。

近年，企業がアンケートデータを利用して市場調査を行うことが多い．しかしアンケートデータには未記入部分が存在する場合があり，そのような欠損を含む回答者のデータに対しては，主成分分析などの解析手法が適用できないため，欠損部分を補完する必要がある．そこで本稿では，テンソル構造のアンケートデータに対して，確率的主成分分析をテンソル空間に拡張した確率的テンソル主成分分析を用いた欠損補完手法を提案する．

本論文では，関係データ予測におけるデータ過疎の問題を解決するために，複数の情報源からの関係データを統合する予測手法を提案する．提案手法では複数種類の関係データをそれぞれハイパーグラフにおける接続行列に変換し，非線形写像を適用する．現実のデータセットを用いた実験により，提案手法が一種類の関係データに基づく既存手法や複数種類のテンソル同時分解などを上回る予測精度を持つことを示す．

本研究では，属性情報などのエゴセントリック情報のみを用いて，連結性を保証してネットワーク全体の構造を推定することを試みる．著者らが提案した構造推定法では，推定結果のネットワークが1つの連結成分になることを保証していない．そこで，全体が1つの連結成分になることを保証した推定法へ改良する． 複数のネットワークを用いた評価実験から，改良を加えた提案法が既存法より推定精度が幾分か高いことを確認する．

類似検索手法のひとつにピボット法が提案されている。データの中には類似度を複数の距離定義を混合させて計算するものもあり、本研究では距離定義を混合させた一般化ピボット法を提案した。一般化ピボット法とは従来手法とは異なるピボット集合を構成する手法である。本来の距離定義を混合させた計算法による結果と、単純に単一の距離定義を用いて距離を計算した結果とを比較し、提案法を評価する。

順序グラフとは，各頂点が順序付けられた辺をもつ，CADや地図データなどを表現することができるグラフ構造である．本研究ではこれらのデータから特徴的パターンを発見するために，順序グラフに構造的変数をくわえた順序グラフパターンを導入する．順序グラフパターンの多項式時間学習アルゴリズムを与え、順序グラフパターン言語が正データから多項式時間帰納推論可能であることを示す．

マルチタスク学習は推薦システム等の個人化の実現手段として有用である．データとしてユーザーの個人情報やフィードバックを基に学習するシステムが多く存在する．本研究は，マルチタスク学習の個人化がユーザーのデータ生成に与える影響を分析する．既存手法の多くはデータ生成とアルゴリズムを分離出来ず，偽データ生成を引き起こし独立同分布の仮定を崩す事を示す．また，誘因両立性と個人化のトレードオフ解析を行う．

先行研究では人間の因果関係の推論傾向を有するモデル（Loosely Symmetric model : LS）を通して，人間の認知特性が機械学習での諸タスクにおいて有効である事が示されている．本研究ではより汎用的な機械学習タスクであるスパムメール分類を扱い，LSを用いる事で人間の認知特性が既存モデルでは困難なメールの分類においてどう働くか検証した．

生活状況把握のために室内に設置された多数のセンサーからの出力に基づいて，生活行動識別を行うアルゴリズムを提案する．多様な生活環境，行動の個人差, 環境や行動の時間的変化に対応するため，提案手法では，文字列カーネルを用いたデータの部分系列間の類似性に基づいて時系列データを分節し，行動識別に有用な特徴を抽出する．このような手法を，赤外線センサーとドアスイッチセンサーを用いた公開データを用いて検証する．

ユーザの移動履歴を用いて移動手段を判定するタスクでは，区間に対して付与された移動手段の正解ラベルと教師あり学習を用いて移動手段を判定する分類器を生成する従来手法があった．しかし，正解ラベル作成はコストが高く，現実的には大量の正解ラベルの利用は困難である．本研究では，少量の正解ラベルと正解ラベルが付与されていない移動履歴データを用いて半教師あり学習の枠組みで分類器を学習する手法を提案する．

半教師ありRVMは， ラプラス近似による共分散行列を求める逆行列計算に時間がかかる．本研究では，観測値ベクトルとカーネル空間の基底ベクトルのコサイン距離が小さい基底ベクトルを計画行列から取り除くことで計算量を軽減する半教師あり擬RVMを提案する．このモデルを，既存手法である半教師ありGMMと半教師ありSVMと共に加速度データに適用して，分類性能の比較を行ない，それぞれの手法の特徴について議論する．

近年, データから高次の素性を学習することができる Deep Learning 技術が注目を集めているが, そのアーキテクチャやトレーニング方法は定まっておらず, 多くの手法が提案されている. 本研究は, Deep Learning 技術を推薦システムに応用し, ユーザ行動背景にある複雑な嗜好を学習することができる学習手法の開発を目的とする.

本研究は事前学習されたディープネットワークに対する新しい教師あり学習である先行伝播(Advance Propagation; AP)学習法を提案する。Kohonenの自己組織化マップを4層連ねたフィードフォワードネットによって、MNIST手書き数字の判別を行った所、教師なし学習の事前学習のみでは約80％であった正答率が、本学習法を適用することによって約95％にまで向上した。

車両を流れる信号は年々増加しており，それらの時系列信号を人間が直感的に理解するのは困難である．本稿では Deep Sparse Autoencoder を用いて車両の運転挙動データを表現する低次元特徴量を抽出することで，運転状況の可視化を試みる．ここでは 100 次元の運転挙動データから 3 次元の特徴量を抽出し，RGB の色空間に対応させて地図上に可視化する手法を提案する．

深層学習(Deep Learning)は，画像認識や音声認識，化合物の活性予測といった分野で優れた性能を示しており，機械学習の様々な分野において，深層学習技術を容易に活用出来ることが望まれる．この研究では，深層学習の実装における課題を解決するための対策として，深層学習ライブラリPylearn2と学習モデルMaxout Networkを併用し，GPUを搭載したマシンを用いることが有効であると示した．

経済指標は現実世界の様々な事象によって変動する．これらの事象は，新聞記事やマイクロブログなどの言語情報に表出するため，これらの言語情報を分析すれば，経済指標を推定できる可能性がある．しかし，発信される全ての言語情報を人手で全て分析することは難しい．一方で，近年注目を集めている深層学習は，大規模なデータから有益な特徴の抽出が可能である．本研究では，この技術を応用することで，経済指標動向の推定を行う．

ベイジアンネットは深い生成モデルを素直に表現できる上、 文脈情報も自然に扱えるという特徴がある。 我々は条件付確率表に制限を加えることでベイジアンネットの認識時の計算量を大幅に抑え、 それを用いた深層学習アルゴリズムを実装した。 このアルゴリズムは大脳皮質の解剖学的構造と多くの共通点を持ち、 脳と同じ機能を持つ強い人工知能の実現に向けた重要な進展であると考えている。

ディープラーニングは高い学習性能を持つ反面、複雑なネットワークを用いるため学習には膨大な計算時間がかかるという問題を抱えている。また、最適なネットワークの構成を求めることは容易ではなく、その方法論については充分な議論は成されていない。本研究ではディープボルツマンマシンにおいてノードとアークの追加や削除を動的に行うことにより適応的にネットワークを構築する手法を提案し、その影響に関する検討を行った。

Time-delay deep autoencoderをロボットによるベル叩き行動から得られた視聴覚運動時系列の統合学習に適用した．これにより，クロスモーダルな記憶想起を実現し，身体運動情報とそれに伴う音響情報から，モーダル間の共起性を正しく反映した画像情報の生成を可能にした．また，獲得された内部表現の解析から，提案モデルは視聴覚運動情報の共起性を自己組織的に構造化して学習していることを確認した．

　近年，Hintonらによってディープニューラルネットに対する有効な学習アルゴリズムが発見され，さらにそれが，驚異的な認識精度を記録したことに注目が集まっている．しかしながら，なぜディープラーニングがうまくいくのかといった基本的な問題は，未だ未解明の部分が多い． 　本研究は，ディープニューラルネット内ダイナミクスを力学的に分析することで，この問題へアプローチすることを試みる．

本発表では、フレーム問題やシンボルグラウンディング問題、知識獲得のボトルネックなど、AIの分野で未解決とされてきた問題に対して、Deep Learningないしはそれに類する技術がいかに解決する可能性があるかを論じる。AIの未解決問題の多くが、表現獲得の問題に帰着できること、表現獲得の理論的な位置づけ、および表現獲得の解法とその発展の道筋について述べる。

文書要約においては，重要文の組合せを 求めることにより要約文を生成する手法が一般的である．最適な文の組合せを求めるのには整数計画法などが用いられるが，要約対象とする文書集合が大きい場合には厳密解を求めるのが困難な問題が存在する． 本研究では，進化計算の中でも解の精度や計算時間の点で優れているとされている差分進化 を用い，潜在意味による重要文の組合せ最適化を行う要約文生成手法を提案する．

本研究はBBS(電子掲示板)要約の問題を整数線形計画問題として解く手法を提案する。BBS要約は文章要約の一種であり、BBSの記事から重要な投稿だけを抽出することにより要約が生成される。一般の文章要約では字数制限を整数線形計画問題の制約とすることができるが、BBS要約には字数制限がないため、一般の文章要約の手法はそのままでは適用できない。本研究では記事に応じて投稿数の制限を与える手法を提案する。