人工知能研究センター

関西学院大学
ホーム | メンバー | リンク |

About us

 本研究センターは,将来起こるであろう事象を精度高く予測する手法の構築を目的とし,それに関する研究を行なう組織です.Internet of Thingsによりもたらされる大量の実世界データに対し,Bayes LearningやDeep Learning,Reinforcement Learningなどの機械学習を適用した事象予測では精度に限界が生じると考えられます.本センターでは,既存の機械学習,確率過程としての時系列解析,人間の認知的・生理的側面を捉えた研究,とをそれぞれ発展させ,さらにそれらを融合することにより,将来に起こる事象を精度高く予測するための手法を明らかにすることを目標に研究活動を行ないます.
 本センターが主に研究する予測手法は,例えば,各種診断画像の時系列から病気の将来の進行度を予測したり,各企業が進む方向性や経済指標の予測など実社会への応用・適用を強く意識しております.さらに,人工知能の基礎的研究としても,現在の人工知能が苦手としている文脈に応じた解析に対して,人間の常識に関する研究の知見を取り込むことによってブレークスルーをもたらし得ると考えています.

人工知能関連の最近の成果

Journal Paper

  1. 菅野 隼,松重龍之介,岡留 剛 (2017).センサデータによる行動認識のためのベイズ的隠れマルコフモデルの拡張と適用. 情報処理学会論文誌, 採録決定.
  2. 金川絵利子,岡留 剛 (2017). カーネル法による構文に着目した作家の文体の特徴づけと類似性分析. 人工知能学会論文誌, 32, 3, F-G94_1-14.
  3. 清水琢也,岡留 剛 (2016). Dynamic Stacked Topic Model -階層構造を持つ文書に対する動的トピックモデル-. 人工知能学会論文誌, 31, 2, M, 1-8.
  4. Ohmura, M., K. Kakusho, and T. Okadome (2014). Tweet sentiment analysis with Latent Dirichlet Allocation. International Journal of Information Retrieval Research, 4(3), 66-79.
  5. 中島潤耶,岡留 剛 (2013). 実写ムービーコンテンツ作成支援システムの設計と実装. 情報処理学会論文誌, 54, 12, 2427-2439.
  6. 喜住祐紀,角所 考,舩冨卓哉,飯山将晃,岡留 剛 (2013). レベルセット法を用いたF陣形と個人空間の抽出によるオープンスペース内の 偶発的対面インタラクションの参与者グループ認識. 電子情報通信学会論文誌 A, J96-A, 10, 705-720.
  7. Okadome, T., H. Funai, S. Ito, J. Nakajima, and K. Kakusho (2012). Retrieval of web pages on real-world events related to physical objects. International Journal of Information Retrieval Research (IJIRR), 2, 1, 65-80.
  8. Okadome, T., H. Funai, S. Ito, J. Nakajima, and K. Kakusho (2012). Web search for real-world events and actions. International Journal of Computer and Communication Engineering (IJCCE), 1, 3, 84-88.

International Conference

  1. Kanagawa, E. and T. Okadome (2016). Syntactic Characteristics and Similarities of Japanese Authors’ Writing Styles: A Kernel-Based Approach, Proceedings of the 20th International Conference on Asian Language Processing (IALP2016), 59-62, Tainan, Taiwan, November 2016.
  2. Kitagawa M. and T. Okadome (2015). Recovering missing data in three dimensional gait measurement, Proceedings of IEEE TENCON 2015, 1-6, Macaw, China, November 2015.
  3. Matsushige, R., K. Kakusho, and T. Okadome (2015). Semi-supervised learning based activity recognition from sensor data. Proceedings of IEEE 4th Global Conference of Consumer Electronics, (GCCE2015), 106-107, Osaka, Japan, October 2015.
  4. Kikutani, S., K. Kakusho, T. Okadome, M. Iiyama, and S. Nishiguchi (2015). Measuring the arrangement of multiple information devices by observing their user’s face. Proceedings of Third International Conference of Distributed, Ambient, and Pervasive Interactions (DAPI2015), LNCS 9189, 296-304, Los Angeles, CA, USA, August 2015.
  5. Ohmura, M., K. Kakusho, and T. Okadome (2014). Social mood extraction from Twitter posts with document topic model. Proceedings of the Fifth International Conference on Information Science and Applications (ICISA2014), 357-360, Soul, May 2014.
  6. Kizumi, Y., K. Kakusho, T. Okadome, T. Funatomi, M. Iiyama (2012). Detection of social interaction from observation of daily living environments. Proceedings of the First International Conference on Future Generation Communication Technologies (FGCT2012), 162-167, London, December 2012.
  7. Okadome, T., J. Nakajima, S. Ito, K. Kakusho (2011). An accessible coded input method for Japanese extensive writing. Proceedings of the Workshop on Advances in Text Input Methods (WTIM 2011), 31-37.