DeepLearningをヒトの尿のガスクロマトグラフ質量分析データに適用、肺がんの判別を試みた。健常28人・肺がん39人、1人当たり394特徴点の質量分析値が母データ。テスト用の健常5人・肺がん5人を除く57人のデータで4層ニューラルネットワーク(NN)の教師なし・あり学習を実施。テストの結果90%の精度を得た。併せてNNの初期値や学習率・学習回数に対する安定性を分析した。

近年，画像分類問題にDeep Learningを応用する研究が盛んに行われている．一 方，学習において大規模な画像データが必要となり，特定の課題のために初 期からの学習することは困難である．本研究では，自然画像で学習済みのDeep Neural Networkの中間層の学習表現を画像特徴とし、SVMで分類することによっ て，効率的に動画像の意味解析を実現する手法を提案する．

Deep Learningは近年、機械学習の諸分野で目覚ましい成果を挙げている。しかし、論理的なネットワーク構造と動作には制限が多い。この論文では、協調動作する分散エージェント群により、Deep Learningのモデルを再構成した。このDeep Multiagent Autoencoderモデルにより、マルチエージェントの理論を、Deep Learningに活かすための、基礎を築く事が出来た。

ニューラルネットワークにおいて，汎化性能向上のために深層構造が用いられる様になった．一方で，各層においてデータセットの大域的な特徴を捉えることが可能であれば，少ない層数でデータセットを表現可能である．そこで本研究では，級数展開に基づくネットワーク構造を用いることで大域的な特徴を捉え，さらに汎化性能を上げるために周波数領域での正則化を行うアプローチを提案する．

高い学習性能を発揮して注目を集めているDeep Learningはその階層構造に伴う段階的な特徴抽出が本質的であるが、中間層で獲得した特徴表現の理解と利用はまだまだ限定的で発展の余地が大きい。 本研究では、この問題にアプローチする一手段として、学習した重み行列を用いた重要ノード・類似ノードの特定や、各中間層の出力値に基づくクラスタリングを用いて層毎にどのような分類規則を獲得するかの解析を行った。

本研究では，単語の内容的な意味をベクトル，機能的な表現を行列で表現し，関係パタンの意味を構成的に計算する手法を提案した．単語の意味表現学習の拡張として，関係パタンの意味を構成的に計算可能な行列および単語ベクトルを同時に学習する手法を提案し，実験の結果，提案手法は未知の関係パタンについても意味を構成的に計算可能である事，機能的な表現による意味の変性を捉えられる事 を明らかにした．

米国海洋大気庁の試算によれば，大気汚染の防止により10年間で約9000億円のコスト削減効果がある．一方，大気汚染の代表的指標であるPM2.5の予測精度は現状では十分ではない．そこで，PM2.5の予測問題に対し，Dynamic Pre-trainingを導入したDeep Recurrent Neural Networkを提案する．日本52都市のデータを用いて比較評価を行い，予測精度の向上を確認した．

DNNの内部に、学習データの性質に応じた階層的構造が組織化されることが示唆されている。本研究では、この構造を議論するため、与えられた画像毎に階層間のヤコビアン行列を計算し、その特異値分布を算出した。現在、教師ありで学習された畳み込みネットにて、情報の抽象化を示す急勾配な特異値分布が観察されている。発表では、この結果とRifaiらがCAEで検討した多様体仮説との関連や、他の解析結果を議論する。

近年、Deep Learningの技術が進展している。Deep Learningは表現学習であるが、本稿では表現を学習するとはどういうことかについて議論をする。表現について、それを構成する原始素性について、世界とのインタラクションについて述べ、表現学習が対象とする表現の解空間についての定義を試みる。

これまで対話型進化型計算による自動作曲システムが多く提案されてきたが，その多くが音楽的知識のないユーザが曲を作成するにあたって，進化に多大なる評価時間やコストを要するものであった． そこで本論文では，音楽の知識が少ないユーザを対象として，進化型計算のための音楽の個体表現および感情と音楽個体の定量的関係性を示すことを目的とする．GUIアプリケーションを用いた数値実験により提案手法の有効性を示す．

旋律を木構造として表す試みは、GTTMやCFGなど様々なアプローチでなされてきた。これらはいずれも音符列として表された旋律が前提であった。本稿では、連続的な音高の時系列として表された旋律を木構造として表現する方法について検討したので報告する。

音楽の情動研究において、リスナーの生体信号を計測・解析することが行われてきている。本研究では、楽曲を聴いている際のリスナーの生体反応（皮膚電気活動2種と指尖温度）を、その楽曲の表層構造（リズムパターン、和声構造、音高変化など）を解析した結果と比較し、考察した。また、先行研究がまとめた楽曲特徴と情動の関係と、本研究の実験結果とを比較した。

音楽の構造を理解する手法として近年GTTM理論が注目を浴びているが、ブルーノートのような局所的な変化を捉えることは難しいと予想される。本稿では、印象評定実験を実施し、このような局所的な変化が人の印象に与える影響を調べた。その結果、ブルーノートによる局所的な変化が音楽の全体的印象に影響することがわかった。一方で、この変化は、TS 木構造等の音楽の階層構造でなく表層的な特徴と関連することがわかった。

音楽の多くが歌詞を伴う歌であることからわかるように、音楽と言語はともに分節的特徴と韻律的特徴とを持ち、発生段階から今日に至るまで密接に結びついてきた。音楽学ではこの結びつき方の多様性を、音意味同型性や身体性の認識方法を示しながら、研究対象としてきた。今回は、音楽起源論、音楽史学、音楽理論、民族音楽学、音楽美学がそれぞれ音楽と言語の関係をどう捉えてきたかについて述べる。

音楽理論GTTMに基づきタイムスパン木を獲得するσGTTMIIIを提案する．従来のタイムスパン木獲得システムは，46個のパラメータを手作業で調節する必要があった．我々は，確率文脈自由文法を導入することでGTTMのタイムスパン簡約を再形式化し，最も尤もなタイムスパン木を推定することを可能にした．実験の結果σGTTMIIIが従来のタイムスパン分析器を上回る性能であることを確認した．

音楽を構成する和声にも音楽と同様に文法が存在すると考えることは妥当であり，その文法発見のためには，和音をシンボル列と考えた時の規則性を発見することが重要であると考えられる．和音の規則性の発見にはTonal Pitch Space (TPS)を用いた和声解析が有効と考えられ，和声は音階（モード）に依存して発生すると考えられている．そこで本研究ではモードに依存したTPSの提案，実装，考察を行った．

タイムスパン木のprimary枝とsecondary枝を左右入れ換えるようなflipと呼ばれる操作を定義する．flipされたタイムスパン木をレンダリングすると逆行した旋律が得られる．さらにflip操作の性質について議論し，相対擬補元の近似であることを示す．

本研究はGTTM Time-Span木へ構造レヴェルの概念を導入について検討する．これまでGTTM Time-Spanにおいて曖昧であったreductionの優先順位を規定する節点の高さ情報についてシェンカー理論との比較を行い議論する．またそれを実現するための行列表現について検討する．

音楽構造をとらえる視点として、大きく分けて構文性とパターン性の２つがある。いわゆる認知的音楽理論のうち、GTTM は構文性を、IRM はパターン性を重視した理論と言える。本発表ではこの２つの側面と音楽的意味の生成との関係について検討し、また両者の相互作用・融合について、これまでの研究を踏まえて論じる。

本論文では，暗意実現モデル(IRM)に基づいた楽曲間類似度計算手法について提 案する．IRMとは，音程やリズムなどの音楽を構成する情報に基づいて記号列へ と抽象化する理論である．本論文では特に，IRMの記号を詳細化した後，楽曲間 類似度を計算する方式を提案する．本手法により，主観評価の結果において，オ リジナルのIRMを上回る性能が達成できた．

一つの行為は複数の基本動作が時系列に生じることによって達成される．ロボットにそのような行為を行わせる場合、基本動作に相当する、腕の関節の位置や角度等、各部の状態を時系列に制御を行うことが必要となる．本研究では、一つの行為と複数の基本動作の時系列の対応関係を明確にし、様々な行為を対象とした動作を生成するための基礎的検討を行う．

認知発達ロボティクスでの模倣学習の研究において，自他の位置関係は設計者により呈示されてきた．これに対し，本稿では与えた教示データから他者行為の観察視点を獲得するため，各視点で内部状態の初期値領域を共有する構造を含む再帰型神経回路モデルをロボットに実装し，自己・他者の運動時系列を学習した．これにより獲得された内部状態を解析したところ，自他の行為と位置関係が自己組織的に構造化していることが確認された．

我々は，移動ロボットが自己位置と発話文から場所に関する語彙を獲得する場所概念獲得モデルを提案している．これまでの実験では，発話文は実際の音声を使用していたものの，シミュレータ上に構築した環境での実験しか行えていなかった．本稿では，実ロボットを用いた場所概念の獲得に関する実験を行い，実環境上における本手法の有効性について報告する．

最適化に対比される概念として、ある価値基準を境界とした「良い」と「悪い」への環境の分節化に基づく「満足化」がある。本研究で提案する満足化のモデルは、従来のポリシーレベルでなく価値関数のレベルで実装され、直感的な基準パラメータを一つのみ持つのみにも関わらず、基本的な強化学習タスクにおいて優れたパフォーマンスを示し、また人間の意志決定や判断に現れるいくつかの認知的な特性を再現する。

これまでロボットが取得したマルチモーダル情報をカテゴリ分類することで，物体概念を形成する手法を提案してきた．しかし，我々が用いている概念は物体概念だけではなく，色を表す概念や，硬さを表す概念など物体の特徴を表す概念も存在している．そこで本稿では，HDPにCRPによるモデル選択を導入し，物体だけではない様々な概念を同時に形成する手法を提案する．

従来、語意の習得は形式が世界のどの対象に対応づけられるかを学ぶ過程と考えられてきた。しかし実際の語意はこのような一対一の対応関係の中では決まらない。例えば「アオ」という語の意味を理解するためには、当該言語が「アオ」を取り囲む他の語との境界線をどこに引くのか，当該言語の色語彙システムの全体を見渡さなければならない。本発表では色語彙を材料に子どもが語彙システムの構築をどのように進めていくかを議論する。

本論文では、教師データを必要とせず、動画像データと音節列データからロボットに自立語と付属語を含む単語の意味を学習させる手法を提案する。提案手法では、動画像内の物体・動作情報と命令文に含まれる単語との相互情報量と構文の汎用化により、単語と動画像内の情報を結びつける。簡単な物体操作を表現するデータセットを用いて評価実験を行ったところ、良好な結果が得られた。

人は発汗や心拍変動などの生理反応を，連続的な情動の変化として捉えることができる．本研究では，基本6情動を前提とした離散的な状態推定ではなく，複数の時系列生理指標をノンパラメトリックベイズモデルによって解析し，情動遷移のダイナミクスを推定することで，情動の変容メカニズムを明らかにすることを目的とする．本稿では，情動喚起刺激提示時の情動遷移ダイナミクスを推定し，提案手法の有用性について検証した．

対話は主導部とそれに対する応答部から構成される。エージェントが自然な混合主導対話のしかたを学習するためには、応答部・主導部の推定が必要となる。本研究では、教師なし形態素解析技術を応用することで、発話における応答部・主導部の切れ目を推定する。応答部・主導部に対して依存関係を仮定し、それらのbigramを利用してギブスサンプリングすることで、適切な切れ目を推定する。

ヒューマノイドロボットが現実世界で利用されるためには視覚情報を中心としたセンサから得られるロボットの感覚情報に基づきその行動を制御する必要がある．本研究では、ロボットが有するハンドカメラから得られる画像の認識に基づき、予め与えられたタスクをこなす行動知識の獲得をQ学習により行う行動知識獲得の基礎的検討を行う．

近年，画像認識の研究としてdeep learningが成果をあげている． 本稿ではdeep learningの手法の一つであるconvolutional neural networkにより 周りの環境の画像を認識した結果を通常の距離センサーを用いた自己位置推定と 統計モデルを通じて活用することを提案する

音声を用いて人と協調動作するサービスロボットの研究が盛んに行われている．従来のロボットは，認識できる命令の表現（言い回し）が事前に設計されているため，未知の言い回しでユーザが発話した場合に，その命令は受理されず再発話を要求される．本研究では，記述文法ベースの音声理解部と，音節認識を用いた単語獲得部を併用することで，ロボットがユーザとのインタラクションを通して既存の語彙を拡張していく手法を提案する．

文生成では，人手によって作成されたルールベースの手法が多い． 本研究では統計的手法として，n-gramモデルによる単語の共起関係，トピックモデルによる文のトピック推定，文節の係り受けによる統語構造を統合的に活用し，確率的に文生成を行う手法について検討する．また，試験的にユーザとの対話を行わせる手法を提案し，その感性評価実験を行う．

家庭用ロボットでは，未知の物体の名前をユーザとのインタラクションを通して学習できる機構が必要不可欠である．物体の学習では３次元的な見えの変化を考慮する必要があるが，日常的な環境で人がロボットに教示する際には，物体を任意に回転させて教示することになるため，得られる画像と物体の角度の関係が未知かつ不均一となる．そこで本研究では，自己組織化マップを用いることで見えの変化に対応した学習を実現する．

本稿では，Hierarchical Dirichlet Processを拡張したモデルにより，ロボットが取得したマルチモーダル情報を分類することで，逐次的にカテゴリ数を推定し，物体カテゴリを形成する手法を提案する．提案手法では，パーティクルフィルタによるモデル選択と，形成されたカテゴリの必要性の評価を導入することで，より正解に近いカテゴリ数の推定を実現する．

記号接地問題の解決には，単語ラベルを対応づけるべき概念を事前に用意する必要があるが，動作動詞では，接地先の概念空間の性質が分類に大きく影響するだろう．よって母語や文化によって異なる分類をする動詞の分析から，動詞の背景にある多元的な概念空間の性質を知りうると期待できる．本稿では，動詞が接地する概念空間についての分析を，多様な状況として抽出する状況分解技術を計算モデルとして参照しながら行った．

我々は認知症患者の日常の携行品類を預かり，自宅において管理を行うロボットの研究を行っている．本研究では，忘れ物支援ロボットと人間とのインタラクション分析を介して，どのような状況や行動パターンのときに忘れ物が多いか， どのような支援をすべきかについて考察する．同時に，忘れ物支援ロボットと人間と のインタラクション履歴から，人間の行動を理解し・適応可能な学習プロセスの実現方法を提案する。

粒子フィルタはシステムとセンサに発生するノイズの分散（ハイパーパラメータ）が不明な場合でも自己組織化状態空間モデルを導入することでシステムの状態とハイパーパラメータを同時に推定することができる．しかし，粒子フィルタの推定精度は粒子の初期分布に影響されることが知られている．本研究では，初期分布の異なる複数の粒子フィルタによりアンサンブル学習することでハイパーパラメータの推定精度の向上を図る．

多量のテキスト群に潜在する，テーマや話題を表す単語群をトピックと呼ぶ．このような，限られた単語群によって多量のテキストに存在する話題を表現する方法は，VOCなどの大量のテキストを処理する場面でも有効であると考えられる．本稿では，トピックと，そこから得られる話題との関連性を明らかにするため，トピック抽出に影響をあたえるパラメータと，トピックが表す話題との関連性を検証した．

NFA照合において状態間を結ぶエッジのラベルは必ずしも1文字のアルファベットである必要は無い。複数文字による長いラベルによる状態遷移は状態数を減らす一方、ラベルと入力文字との比較演算コストが大きいという課題がある。並列比較とは減算時のキャリーbitの変化を利用して複数値の大小比較を並列化する手法である。本稿ではこの並列比較を用いて、次状態決定のためのラベル比較の高速化を試みる。

評判情報を含む検索結果スニペットの実現が求められている．本研究では，感情極性分析に基づく検索結果スニペット生成システムを試作した．本稿では，Paragraph Vectorを用いた感情極性分析結果から，検索質問に対応する評判情報を選択するための手法を提案する．本稿では，評判情報を含む検索スニペット生成手法およびシステムの試作について述べる．さらに，本システムの感情極性分析精度に関する評価を示す．

Phrase patterns are used as features for some NLP tasks. This paper gives new definition of the phrase patterns and generation algorithm.

本論文では，質問回答事例および検索エンジン・サジェストを索引として収集され たウェブページの混合文書集合に対してトピックモデルを適用することにより， 話題のまとまりを生成し，それらの話題のまとまりからノウハウ知識を選定する． そして，選定されたノウハウ知識を閲覧するインタフェースを作成する．

テキストマイニングのための統合環境TETDM(バージョン1.0)を開発し，その公開を行った．TETDMは多様なマイニングツールと可視化ツールを有するだけではなく，分析結果をまとめて知識創発につなげられるインタフェースを備えている．これまでに，TETDMの開発段階において，教育機関および病院において実践的に活用し，テキストマイニングの専門家以外でも活用できる環境となることを確認した．今後は，幅広い用途に向けたTETDM活用のモデルを確立し，その普及を目指すとともに，マイニングにとどまらない多くのAI技術を本環境と連携させて動作させる改良に取り組んでいきたいと考えている．

本稿では，教育機関において，テキストデータマイニングのための統合環境（TETDM）を活用した事例を報告する．TETDMの想定ユーザには，テキストデータマイニングの非専門家が含まれる．TETDMは，テキスト分析作業の支援のみではなく，分析方法の学習を支援したり，新たな分析ツールの制作を許していたりする．本稿では，TETDMを用いたテキスト分析の学習やツール制作を通して，TETDMの有用性を示す．

本論文では、TETDM を利用した電子カルテ分析支援ツールについて説明し、実際の医師や看護師による実験を行った病院でのカルテ分析作業への適用可能性について検証した結果について述べる。説明ツールは電子カルテ分析支援ツールと辞書構築支援ツールから構成されており、TETDMによる統一的なインタフェースで提供されている。

TETDMを用いて実際の電子カルテデータを利用し、看護師の熟練度による電子カルテの記述の違いを分析する作業を医師・看護師らに行ってもらった結果、新人、ベテランそれぞれ作成した電子カルテの特徴や、両者の相違点について有益な分析が行えることを示すことができた。実験に参加した医師、看護師からは TETDMを利用したツール提供に対し良好な評価が得られている。

本発表では、テーマに基づき行われた議論のテキストが与えられたときに、テキストから議論の進捗を促した発言を抽出する方法を提案する。併せて、抽出した発言を元にして、議論の流れを可視化するインタフェースも紹介する。

本稿では，協調的マルチビューによる文書クラスタリングシステムを提案し，テキストデータマイニングのための統合環境TETDMを用いてプロトタイプシステムを実装する．提示すべき情報をクラスタ集合，文書，単語集合，単語の4レベルに分け，それぞれ異なるビューで提示する．モジュール間連動の実装が容易というTETDMの特性を生かして実装したプロトタイプシステムを示し，ユーザ実験結果について報告する．

さまざまな人とのコミュニケーションの場面においては，お互いに良好な関係を築くことが求められているが，会話に夢中になるなどの理由で，相手がもつ自分に対する心象を客観的に把握できないこともある． そこで本研究においては，ARとテキストマイニングにより，対話相手の好感度を推定してリアルタイムにフィードバックするシステムにより，対話相手との良好な関係の構築を目指したコミュニケーションを支援する．