松田 源立

Independent component analysis (ICA) is a widely used method in various applications of signal processing and feature extraction. It extends principal component analysis (PCA) and can extract important and complicated components with small variances. One of the major problems of ICA is that the uniqueness of the solution is not guaranteed, unlike PCA. That is because there are many local optima in optimizing the objective function of ICA. It has been shown previously that the unique global optimum of ICA can be estimated from many random initializations by handcrafted thread computation. In this paper, the unique estimation of ICA is highly accelerated by reformulating the algorithm in matrix representation and reducing redundant calculations. Experimental results on artificial datasets and EEG data verified the efficiency of the proposed method.

動画共有サービスにおいて視聴者の意見や感想が反映されているコメント欄を分析することは動画再生回数を伸ばす手段として重要である。本研究では動画共有サービスのコメント欄と再生回数についてジャンルを分けて収集し、各ジャンルにおいてリッジ回帰を用いてコメント欄の名詞の生起から再生回数の対数が推定可能であることを示した。また、リッジ回帰により各ジャンルでの再生回数に影響を与える重要名詞を抽出し、視聴者が動画に求めているニーズを発見することができた。さらに各ジャンル間での重要名詞の共通性を順位相関係数を用いて調査し、ジャンルによってコメントにおける重要名詞には大きな差異があることを示した。

近年、敵対的生成モデルによる画像生成の研究が盛んに行われている。しかし、敵対的生成モデルは損失関数の性質により学習の安定性が低く、最終的な学習に失敗することが多いという弱点がある。本研究では、カテゴリ分類項を識別器に追加することで生成画像の性能向上を目的としたAuxiliary Classifier GANsを参考に、階層的なカテゴリ分類項の追加により学習の安定性を向上させる手法を提案した。Progressive Growing GANに提案手法を組み込んだ結果、従来手法より最終的な学習の失敗率が低くなることを示した。

In baseball, the pitch sequence is a significant factor in determining the outcome of a game. However, previous research has primarily focused on the direct relation between outcome and pitches rather than pitch sequences. In order to improve the game strategy in baseball, this study investigates the difference between the pitch sequences in outs and those in hits. For this purpose, pitching data of six pitchers of Nippon Professional Baseball (NPB) in 2022 was collected. Sequential pattern mining was then applied to extract common patterns in the pitch sequences. The results showed that the accuracy of the final phase pitches is crucial for achieving an out and that a pitch sequence incorporating fast-breaking is effective. Furthermore, the extracted patterns in hit suggested the appropriate inning to change pitchers.

近年、機械学習技術を活用した競馬の勝馬予測のAIが発達している。機械学習には様々な手法が存在しているが、既存研究では、勝馬予測のタスクに適合したある一つの手法を選択して活用することが多かった。本研究では、適切な機械学習手法がデータによって異なる可能性を考慮し、勝馬予測のタスクを勝馬のオッズによって分割し、各オッズにおける最適な機械学習手法を調査した。具体的には、オッズを利用して出走馬データを4分割し、scikit-learnを用いて様々な手法を適用した。その結果、オッズによって有効な機械学習手法が異なることが明らかになった。更に、様々な手法を組み合わせて予測回収率を高くする予測アルゴリズムを構築した。

In this paper, we extract various patterns of the spatio-temporal distribution from Foursquare data. For extracting patterns, we employ ICA (Independent Component Analysis), which is a widely-used method in signal processing and feature extraction. Because the Foursquare data consists of check-in's at some time points and locations, ICA is not directly applicable to the data. In order to smooth the data, we estimate a continuous spatio-temporal distribution by employing a diffusion-type formula. The experiments on the actual Foursquare dataset showed that the proposed method could extract some plausible and interesting spatio-temporal patterns. They also suggested that the estimation with the proposed method is promising when the sample size is limited.

従来 脳のトポグラフィックマッピングの形成に関する理論的な研究は 主に Hebb則に基づく計算機シミュレーションの手法によって行われてきた. しかし Hebb則に基づく自己組織化では 眼優位性コラムや方位選択性コラムのような局所的なコラム構造の形成はシミュレーションできても 大域的なトポグラフィックマッピング たとえば 網膜から視覚野への網膜部位対応や体性感覚野における体部位対応などの形成をモデル化し シミエレーションすることは困難である. 本稿では 人間の認知機構 神経機構についてすでによく知られているいくつかの事実に基づき 次のような大域的トポグラフィックマッピングの形成原理を提案する. 「大域的トポグラフィックマッピングは 同時に値が変化しやすい入力ニューロンに対応する部位が 大脳皮質上の空間的に隣接した部分に集まってくることによって形成される」. そして この原理をモデル化し 視覚系大域的トポグラフィックマッピング (網膜部位対応) の形成の計算機シミュレーションを行うことにより その妥当性および汎用性について議論する.Theoretical researches on the formation of brain topographic mapping have been carried out by computer simulation based on Hebb's law, which shows that self-organization based on Hebb's law can model the formation of local column structure as ocular dominance column or orientation column. However, the self-organization based on Hebb's law cannot model the formation of global topographic mapping such as retinotopic mapping in visual system or somatotopic mapping in somatosensory system. In this paper, we examine some well known facts of human cognitive and neuron system and introduce a principle for forming a global topographic mapping: "Global topographic mapping is formed by the law that draws cortex neurons spacially nearer, which correspond to input neurons that frequently change their values simultaneously. "We model this law, carry out computer simulation of the formation of visual system global topographic mapping (retinotopic mapping), and discuss this law's relevance and generality.