JAIST Repository: ベイジアンネットワークを用いた画像解析による同期信号の判別(「人工知能的方法論を用いた知的画像処理」)

Japan Advanced Institute of Science and Technology

JAIST Repository

https://dspace.jaist.ac.jp/

Title

ベイジアンネットワークを用いた画像解析による同期

信号の判別(<特集>「人工知能的方法論を用いた知的画

像処理」)

Author(s)

中田, 豊久; 伊藤, 日出男; 國藤 , 進

Citation

知能と情報 : 日本知能情報ファジィ学会誌, 19(5):

42-52

Issue Date

2007-10-15

Type

Journal Article

Text version

publisher

URL

http://hdl.handle.net/10119/7952

Rights

Copyright (C) 2007 日本知能情報ファジィ学会. 中田

豊久, 伊藤日出男, 國藤進, 知能と情報（日本知能情

報ファジィ学会誌）, 19(5), 2007, 42-52.

Description

2

4

知能と情報 (日本知能情報ファジィ学会誌) V Lo19 No, .5,pp.488-498 (2007)

塞 /

:

:

_-デア:車=

'

b

J

･ :

-

-

-

-

雄 三, I

-･

F章二T;

:

:

-

I

-

-

きき葺き i

t-

I;

-

･

_三三若

妻

三襲撃寺二

吉

Tr

J

Z

:

_{華買 )}

:

'

中田 豊久 * ｡伊藤 日出男* ◎固藤 進*

1 2 1 l spay 位置に基づいた情報サービスを提供す るために,赤外線によってユーザの持つ携帯端末に情報 を送 る研 究が行われている.この通信方法の機器構成 を大 きく変 えることなく,ユーザか ら環境側装置への情報の アップロー ドを実現す るために,反射す る赤外線の強 さを制御する方法 を提案す る.環境側ではユ-ザに 提供す る情報 を赤外線 にのせて照射す る.携帯端末には赤外線 をよく反射する反射材 を装着 し,その前に ON/OFF 液晶 を配置する.その液晶を することによって反射材か らの反射光の強 さを制御す る.その反射 光の強 さの変化は,環境側の赤外線 カメラによって認識 され ,信号 として解釈 される.このようなア ップ ON/OFF ロー ド方法における課題は,液晶 す ることによる反射光の変化が,携帯端末の位置や向 きが変わ ることによる反射光の変化よ りも小 さいことである.よって固定化 された しきい値 によって画像か ら液晶 ON/OFFを判定することは困難である.そこで ,本研究では動的に しきい値 を決定す ることを提案す る. まず携帯端末か らある決め られた信号パ ターンの同期信号 を送信す る.環境側では,その同期信号 をペイ ジアンネ ッ トワークによって認識す る.ある信号が同期信号であると判定 された場合 には,その画像か ら 晶ON/OFF 液 を分離するしきい値 を決定す る.この提案手法 を,同期信号の認識精度についての従来の機 械学習アルゴ リズムとの比較 を行い ,高精度で同期信号 を認識で きることを明 らかとした. キーワー ド:ペイジアンネッ トワーク,反射光通信 ,赤外線 ,機械学習 信側の機器 が簡易 になること,及び ,プロジェクタや

『∪

隠R

Sめ臆

位置 に基づいた情報 サー ビスに関す る研究開発 が近 定のユ ーザのみに情報 を送れ るため ,プ ライバ シーを 年盛 んに行 われてい る.例 えば美術 館 や博物館 な ど 考慮 で きることが利 点で ある. 2 本論文で は , 章でユ ーザの持つ携帯端末 との通信 で ,ある特定の展示物 の前 にユ ーザが来 ると,その展

3

方法 とその課題 について述べ る.次 の 章で は ,通信 示物 に対 す る説明 といった ,その場所 に即 した情報 を 提供す るサー ビスで ある.計算機側 か らユ ーザへの情 を実現す るために必要 な同期信号の認識方法 につ いて Everyw erh スピーカなどによっで 情報 を提供す るのに比べて ,特 eDi ] 1 [ t i C bo や 記述す る.本研究では ,この認識 にペ イジア ンネ ッ ト Pro ]の よ うに様 々な方法が提案 されてい る. こ 報提供 につ いて は , j tec 2[ のよ うなシステムにおいて ,ユーザは提供 され る情報 に対 して ,例 えば受信拒否 などの意思表示 がで きると よ りよい システムになると考 えられ る.そ こで ,この ユ ーザか ら計算機への通信 を,従来の計算機 か らユー ザへの通信の仕組み を大 きく変 えることな く実現す る

3

ワーク

[

]を用 いた画像解析 を提案す る.

4

章で は , 同期信号の認識精度 について従来の分類器 との比較 を 行い ,提案手法の優位性 を示す. 5章では関連研究 に つ いて言及 し,最後 の

6

章で まとめ る.

翌q赤熟練者

這慮る庶射光通信

21. 機器構成 と通信方式 ことを本研究 で は試 み る. 計算機 か らユーザへの情報提供 には ,近年携帯電話 赤外線 によるユ ーザ端末への情報通信 システムに , や ノー トパ ソコンの近距離通信 と して よ く利用 されて ア ップロー ド機能 を省電力で付加す るために ,環境側 it C bo の よ うに受 い る赤外線通信 を使用す る. これ は か ら送 られ る赤 外線 の反射 を利 用す る ことを提 案 す る.携帯端末 には赤外線 をよ く反射す る反射材 を貼 り 付 け ,その前 に液 晶 を配置す る.反射材 か ら反射す る † Bit k t ewor Sync N l i nayss ge i usn d io t t eec D nMe仇o glma A wi血 B ayesain isa Toyoh NAKADA,Hi oIde TOHan UJl 赤外線 と,それ以外 か ら反射す る赤外線 には大 きな光 F usu dS muKUNI *1 北陸先端科学技術大学院大学 知識科学研究科 量の差 があるため ,容易 に反射材の位置 をカメラ画像 S vance h l ecnoog n Sicence a,Jpan esearc Sicenc ld nowege i T h lon ecnoog d ilt nusra t Sh lfcooo Ifnor vance K Ad 産業技術総合研究所 情報技術研究部門 ma yR hI Ad dI eadT y (AIT) ittu t ns dI eofSic -S J h l ecnoog an ence dT y (AIT) _{か ら特定で きる. この反射光 の強 さを ,液 晶 をONま} *2 たはOFFす る ことに よって制御 す ることに よって , t Na ttue, i t ns i lonaI tnsittueof 携帯端末 か らのデー タ送信 を実現す る.液 晶のON, 488

Vo.9N .

l1 o5

43 ペ イ ジア ンネ ッ トワー クを用 い た画像 解析 に よ る同期信 号 の判別

OFF

による反射光の変化 は ,環境側 の赤外線 カメラ 22. 反射光通信の課題 によって認識 される.このような方法は,従来の機器 図

3

には,環境側の赤外線 カメラによって携帯端末 構成 を大 きく変 える必要がなく,また ,携帯端末が能 の反射光 を撮 った原画像 を示す.画像上の左側の携滞 動的に赤外線 を発す る必要がないため,電気使用量 を 端末の後 ろには窓があり,そこか らの光が薄 く表示 さ 小 さく抑 えることができる.システム全体の概要図を れている. この よ うな原画像 は ,2 で示す携帯端末.4 4 1 2 図 に ,反射光通信 を図 に示す. の抽出方法によって処理 され ,例 えば図 のような画 提案す る機器構成 によ りサー ビス を提供す る領域 像 となる.図中の

Lf

e

tや

C t

e

ne

r

とい う文字 は,後述

図4

す る説明ために付加 したものである.この の画像 は,使用す る赤外線 カメラの レンズの仕様 により異 な るが ,おおよそ赤外線 カメラの前の 2 程の距離 にある直射 日光 の当た らない屋 内空間 を想定 してい -て考 えているか らで ある. る.赤外線 カメラを使用す るため ,他の リモコンなど 7m か らの反応 を受信 した りす るサービスをシナ リオとし の赤外線 を使用す る機泰 が携帯端末のす ぐ近 くにある と通信 の妨 げになって しま うとい う制限 がある. ま た ,携帯端末 を持つユーザは ,赤外線 カメラの前の サービス可能領域内であれば ,どこに居て も通信 を行 うことがで きることを目的 としている. しか し,ユー ザが移動 している途中に通信 を行 うことは想定 してい ない. これは例 えば,博物館 などで展示物の前で立ち 止 まったユーザに対 して ,情報 を提供 したり,ユーザ 環境側装置 赤外線投光器 赤外線カメラ

赤

夕

噛 良 i - -展示物など ～" ヰ･ -の

2

つの携帯端末の位置において ,携帯端末のカメラ に対す る向 きを変 えたときの ,反射光の強 さの変化 を 図

5

,

6

に示す.

図

の縦軸 は,赤外線 カメラで受光す る携帯端末か らの反射光の強 さを示す.反射光の強 さ は 0か ら

2

5

5

の範囲 をとり,値 が大 きいほど明 るい. 横軸 は,最 も反射光が強 くなる携帯端末が赤外線投光 器 に対 して正面 を向いているときを角度 0度 とし,左 図3 赤外線 カメラの原画像 ,2つの携帯端末か らの 反射光 と,実験環境内にある窓か らの光 が薄 く , -iI H 展封_a . 表示 されている. ･ ･Y ち .-･･> 携帯端末 図 1 赤外線 による反射光通信の システム概要 赤外線投光器

～

-

&

=

-

:

赤外線 カメラ .₎: :.液晶_ヽ 反射材 環境側装置 携 帯端末 図 2 赤外線 による反射光通信 の概要 .液晶変調 に 図

4

携帯端末の抽出手法 を適用 した後の画像.

Lf

e

t

よって反射材から反射す る赤外線の強 さを制御 と

C t

e

ne

r

の文字は,説明のために後で付加 して す る. いる.

1

0

7

/

2

0

0

4

8

9

4

4

知能 と情報 (日本知能情報 ファジイ学会誌) 測 定場 所 Center o ON状態の

○

反射 光 … 2

O

■ o *OFF状態 の 反射光

■

ノしノ

し

ブリ

で

0 秒 ごとに撞影 した画像

速

_さ

＼1

0

.

秒

度

の

間

約

1

秒に

₁

1 .

O

称

r

0

反 射 光 の 強 さ

す

る

携

帯

端末 を

回

_転

呼○

_■

o

0

3(

｡ ･

｡

｡

o｡･5 8 図 7 (0 -2 5 5 ) O｡｡ . 2 子が さまざまな方向を向いているため ,少 しの位置や 角度の変化で も反射光の強 さを大 きく変 えることがあ る. しか しこのば らつ きが あることを考慮 に入れて ち,液晶の

ON

,

OF

F

による反射光の強 さの変化は,

0

♯

0

_

… 0 0 携 帯端 末の角 度 (○ ) 携帯端末の位置や向 きの変化 によって生 じる変化に比 赤外 線投光器 に対 して,携 帯 端 末 の 反射 材 が 正面 を 向い てい る時 を0度 と し.左右 に回転 した時 の 角度 べて十分に小 さい ことは明 らかである.また,赤外線 ､0 レ0 -50 -2500 0.00 2500 50 カメラか ら携帯端末 までの距離によって も反射光の強 図

5

図

4

の

C

r

において携帯端末の向きを変 えた ときの反射光の強 さ さは変化す ることか らも,固定 された しきい値 によっ て 2つの状態 を分離す ることは困難である. また ,画像のみで携帯端末のカメラに対す る向きを

t

e

e

n

ft Le 測定場 所 oON状 態 の 推測す ることも困難である.図 7は,約 1秒間に 1度 反射 光 _{の速 さで携帯端末 を回転 させ ,それ を}

₀

_.

₁

_{秒 ごとに赤} ♯OFF状 態 の 反射 光 外線 カメラで撮影 L:た図である.携帯端末に付 けられ た反射材は長方形の形 をしているため ,縦横比が徐々 に変化す ることが期待 され るが,実際にはあまり比率 を変 えることな く見 えなくなって しまう.約 1秒間に 1度の回転速度は ,人がゆっくりと回転 させ ることを 想定 した速 さである.このように,たとえゆっくりと 回転 させた場合で も,画像か ら携帯端末の向きを推測 す ることは困難で ある. 2.3 提案する通信方法 0 0 人U 0 0 0 0 nU 人〃 0 0 0 0 0 0 8 5 反 射 光 の 強 さ (0 -2 5 5 ) 0 . 0 . 0 . 0 .0 0 0 0 0 赤 外線投光器 に対 して .携 帯 端 末の 反射 材 が 正面 を 向 いて い る時 を0度 と し,左右 に回車云した時 の角度 150 -25 2500 50 携 帯端 末 の角 度 (o ) _{2 章で示 した課題 は ,ある固定 された しきい値 に.2} よって液晶

ON

,

OF

F

を画像 か ら判定す ることは困難 図6 図4のLefにおいて携帯端末の向きを変 えたとt きの反射光の強 さ 右 に回転 させたときの角度 を示す. この ときに,右回 転 を正回転 としている.また ,図中の

ON

状態 とは液 晶に電荷 をかけずにク リアな状態で反射 した赤外線の 強 さで あり,

OFF

状態の反射光 とは ,液晶 に電荷 を かけて暗 くした状態の反射光である.どのような位置 や角度であって も

ON

状態が

OFF

状態 よりも明 るけれ ば ,ある固定化 された しきい値 によってこの 2つの状 態 を容易に分離できることになる. しか し例 えば,図 5 の端末の向きが 0度の

OF

F

状態 と

1

0

度の

ON

状態 は, であることを示 している.そこで我々は,動的にしき い値 を設定す る方法 を提案す る.携帯端末か らは送 り たいデータを送信す る前に,データを送 る合図 となる 信号 を送 る.この ような信号 は同期信号 と呼ばれ ,さ まざまな通信方式で利用 されている.受信側では,蘇 外線 カメラの複数の画像か ら同期信号の判定 を行 う. そ して同期信号 と判定 した場合 には,液

晶ON

と判定 された反射光 の平均値 と,液

晶OFF

と判定 された反 射光 の平均値 の 中間値 を,同期信号以降のデ ータの

0/1

を判定す るための しきい値 とす る. 受信側か らの受信適知や リ トライ要求などのプロ ト コルや ,誤 り訂正手法などは,本 システムを使用す る 0度の

OF

F

状態の方が明るい.また,その

C

e

n

t

e

r

(

図

5

)

環境 に合わせて設計 して もよい し,従来の

TCP P

/

I

な の 0度の

OF

F

状態 は ,L

5

.

l

.

( t f e 図 6)における 0度の

ON

どのプロ トコルやチェックサムなどを利用 してもよい.

1

9

No

状態 よりも明るい.液晶による光の遮断は ,液晶の分

Vo

490

ペ イ ジア ンネ ッ トワー ク を用 いた画像 解析 に よる同期信号 の判別

4

5

2

.4 画像 から携帯端末の反射材の抽出 撮影 した画像 の中の反射材の位置 を判別 す るため に,経験的に決定 したある数値以上の輝度 1を持つ画 素 を,まずクラスタリングする.本研究で用いたクラ スタリング方法 は,ある画素の位置 が (Ⅹ,y)とあらわ されていた場合には,(Ⅹ4y-- , ) Ⅹ 44 と(+ ,y+ )4 を対角線 上の頂点 とす る四角形の中にある画素は,隣 り合 って いる画素 として同一のクラスターに属 させ るとい う方 法 を採用 した. このように して得 られたクラスターの うち,

1

0

画素以上で構成 されるクラスターを反射材で あると判定 した.また,このクラスタリングにより複 数の携帯端末か らの反射光が抽出 された場合 には,そ のそれぞれか らのアップロー ドを画像か ら受信す る. また,携帯端末の追跡方法については,画像の中の 移動す るものを認識 し,非線形 な移動軌跡の予測 を行 う

Co

nd

e

ns

a

t

i

o

n

法

[

4

]などの研究成果 を,本 システム では利用す ることを想定 している.

3

.

ペイジアンネットワ-

タ

による同期信

号のモデル化

3.1 同期信号の判別の概要 同期信号 を複数の赤外線 カメラの画像から判定する 概要について図 8に示す.携帯端末 は,自らの タイ ミ ングで液晶 をON/OFFしている(図 8の左側 ).環境 側ではその様子 を,携帯端末の ON/OFF間隔 よ りは 速い間隔でカメラの シャッターを切 っている(図 8の 中央).そ して 2つの画像か ら求め られ る反射光の差 分値 を累積 して同期信号 と比較 し,類似 しているかど うかを判定す る(図 8の右側).その差分値 は ,撮影環 境 に依存 しないように,-

1

か ら 1の間の数値 に変換 してか ら同期信号 と比較す る. 同期信号 との比較には,差分値 をペイジアンネ ッ ト ワークによる同期信号のモデルにセ ッ トし,そのモデ ル適合度によって判定す る.同期信号 と判定す る最小 のモデル適合度 を設定 し,その値以上のモデル適合度 を持つ信号 は,同期信号であると判定す る.その最小 のモデル適合度は,教師付 き学習によって求める.詳 細 は ,3.6章で示す.

3.

2

同期信号について 同期信号は,多 くの液晶の変化が発生するように,

1

と 0が反転す る

1

01

0

1

0

1

0(2

進数)の

8

ビ ッ トとし た. この 8ビッ トの中には 1か ら0に変化す るところ が

4

回 ,

0

か ら 1へ変化す るところが

3

回ある. この 変化 を画像か ら認識す ることにより同期信号であるか

1

4車で述べる実験では,0か ら255の数値 を持つカメラを使用 して,この数値 を70とした.

2

0

0

7

/

1

0

図 8 携帯端末の液晶変調 を撮影 して ,同期信号 との パ ター ンマ ッチ ング を行 う どうかを判定す る. 3.3 画像取得 タイ ミング 携帯端末の液晶変調の タイ ミングと,環境側で画像 を摸影するタイ ミングは,同期 をとれないためタイ ミ ングが合って しまう可能性がある.タイ ミングが合 う と,液晶変調途中の画像 を撮影す ることになる.その ような途中の画像では,

2

枚の画像だけでは液晶変調 による反射光の強 さの差分 を得 ることはで きない. さ らに 1枚の画像で信号が変わっていない部分 を一度は 確認す ることがで きるように ,環境側で画像取得す る 間隔は,携帯端末の液晶変調間隔の 3分の 1とした. 3.4 ペイジアンネッ トワークによる同期信号の表現 同期信号 を 7回の ビッ ト反転が発生す る 8ビッ トと

491

4

6

知能 と情報 (日本知能情報 ファジ イ学会誌) し,環境側でカメラを撮影する間隔 を液晶変調間隔の

3

分の 1としたため ,同期信号 を判定す るために必要 な差分値 は 7*3-21個 となる. この21個の差分値 を 21個の ノー ドとして表 したペイジアンネッ トワークを 図

9

に示す.図の単線で書かれた ノー ドは離散的に条 件付確率 テーブル (以後 ,CPT)を設定す る離散値 ノー ドで あ り,二重線 は正規分布 によって CFrを表す連 続値 ノー ドで ある. ノー ドの下 にはそれぞれの CPT を,状態確率 の依存 関係 は矢印で示 してい る.

CP

T

は ,離散値 ノー ドの場合 には状態 とその確率 を示す テーブル として ,連続値 ノー ドの場合 には正規分布 を 表す ための平均 と分散 を示 してい る.CPTの示 され ていないC31-C33,C51-C53,C71-C73は ,Cll -C13のCFrと同 じで ある.同様 に,C41-C43,C61 -C63は ,C21-C23と同 じCFrを持つ . このモデル に21個 の差分値 をCllか らC73に順番 にセ ッ トした時 の ,それ らの値 が生起す る確率 をモデル適合度 として 使用す る. Cllか らC73ノー ドは ,機能 を整理す るために 7行 3列 に配置 して表示 している. 1つの行で ,同期信号 の 0か ら

1

への変化 (立上 り)もしくは ,

1

か ら0への 変化 (立下 り)を衷 している.環境側で取得す る画像の 間隔は,携帯端末の液晶変調間隔の

3

分の

1

としたた め ,立上 り,または立下 りが起 こっている場合 には, 3つの差分値の中に必ずその現象が現れているはずで ある.その

3

つの ノー ドを 1つのかた まりとして

1

段 に し,同期信号の中で発生す る 7回の液晶変調 を 7段 で表 してい る. 1列 目

2

列

目

3

列

目 ▼

▼

▼

r

i

:

｢

丁

~十

::

:

_{⊥ ~}

_:

･

1

列

日2

列

目

平均 11.0 平均 0.0 Ior2列目で 平

均-

1

.0 0.0 親 -I0 分散 0.1 変化を捉える _{分散 0,1 0 1 分散 0.1} 1

列

目0

.

5

2

列0

目

.

5

ir:= 亘 _ _土 ~: ･ 0 l列目 2列目 平均 1. 平均 0.0

平

均

1

.

0

00. 親 -l0_ 分散 01.

散0

1 0 1. 分散 0.1 図 9 同期信号 を10101010と した ときの ,ペ イジア ンネ ッ トワークによる表現

492

立上 り,または立下 りは, 1列 目の ノー ド,または 2列 目の ノー ド,または 1列 目と 2列 日の 2つの ノー ドで表す こととしている.例 えば

1

列日に立下 りを示 す差分値 がセ ッ トされ ると,

2

列 目の ノー ドでは立下 りを示 さない差分値 がセ ッ トされた方がモデル適合度 が高い.図10の (a)は ,同期信号 がその ようにペ イジ ア ンネッ トワークにセ ッ トされ る様子 を示 している. 一方 , 1列 目にあまり変化のない差分値 がセッ トされ た時 には ,

2

列 目では立下 りの差分値 がセ ッ トされる とモデル適合度 が高 くなる(図10の (ち))2. また ,撹 帯端末の状態変化 タイ ミングと画像取得 タイ ミングが 一致す る場合 には,

1

列 目と

2

列 目の

2

つの ノー ドの 総和 によって立下 りを表す ことになる(図10の (C)). このような 1列 目と 2列 目の関係 は,ペ イジアンネッ トワークの状態確率の依存関係 を結ぶ ことによって実 現 されている.一万 ,3列 目の ノー ドは,常に 0に近 い差分値 を期待 し,そのような値 がセ ッ トされ るとモ デル適合度 が高 くなる. 差分をノー ドに セッ トする (a) (b) (C) (d) ′′~■ー / ＼ ▼ ＼ 聖

二

二

.

-_

_≡

.

-

-≦

≒

匡

図10差分値 をモデルにセ ッ トす る例 .(a),(ち)は 1 列 目,

2

列 目で立下 りを観 測 した同期信号 , (C)は液晶変調 と画像取得 タイ ミングがあった 場合 の同期信号 ,(d)は同期信号 で はない. 2 同 じ同期信号 を 1列 目で立ち下がるもの と2列 目で立ち下が るもの と重複 して判定 しないように,一度 1列 目で立ち下が る同期信号 を受信 したら,直後の 2列 目で立ち下がる同期信 号は無視す る.

Vo.9

l1

N.

o5

7 4 ペ イ ジア ンネ ッ トワー クを用 い た画像 解析 に よ る同期信 号の判別 また ,例 えば 1段 目の 1列 目によって立下 りの差分 1タl帽 2列目 3ダリ目 値 がセ ッ トされた場合 には,液晶変調の 3分の 1の間 y v 上 隔で画像 を取得 しているため ,次の立上 りは次の段の

_ド

__ 00. 1

二

平均

0

.

､

.

分散 同 じ 1列 目で観測 され るはず である. この ことを｢ 2列 目で変化 を捉 える｣離散値 ノ- ドによって表 し l or ている.この ノー ドは非観測 ノー ドであ り,観測値 は

十

_平

_均.

･

･ ~

₀

₀

.

､

二 ● l セッ トされない.最初 にどの ノー ドにも値 がセ ッ トさ 平均 0.99 れていない時には,

1

列 目,

2

列 目で変化 を捉 える確 分ii史 011 分散 0.21 分散 0.1 7 0 0 ｡ 0 平均 率 は等確率の となってい る.そ して例 えば 1段 目 で 1列 目において変化 を捉 える値 がセ ッ トされれば , _{ア ンネッ トワークの確率推論例 .網掛 け部分 は} 05. _{図12 C12ノー ドで立下 りを検 出 した ときの ,ペイジ} 列 目で変化 を捉 える｣離散値 ノー ドの｢ 1列 目

｣

l 2or ｢ _{事後確率 をセ ッ トしたところ.それ以外 は確率} 状態の確率 は高 くなる.そ して 1段 目で 1列 目におい _{推論 により求 め られた確率 .} て立下 りを示す差分値 がセ ッ トされているにもかかわ らず ,

2

段 目では

2

列 目で立上 りの差分値 がセ ッ トさ 36. モデル適合度 から同期信号の判定 れた場合 には (図10の (d))｢l or2列 目で変化 を捉 え 画像か ら得 られ る入力データをモデルの各 ノ- ドに る｣ノー ドとの不整合が起 こり,モデル適合度 は下が セ ッ トす ると,その入力データがそのモデル において る. このような図1 の間隔が仕様 よりも大 きいため同期信号ではないか ら の確率 をモデルへの適合度 としている.同期信号 と判 である. 定す る適合度の最小値 は,予め同期信号であるか ,そ うでないか とい う教師データを含めた信号データか ら 0の (d)の よ うな信号 は ,液晶変調 生起す る確率 を求めることがで きる.本研究では,そ

35

.

モデル適用例 学習す る. 図11に最初のCllノー ドに立下 りの差分値 がセ ッ ト この学習 は次のように して行 う.教師付 き学習デー された ときのモデルの適用例 を示す.Cllノー ドに立 タをモデルに適合 し,同期信号ではないデータの最大 下 りと思われ る -.08をセ ッ トして確率推論 を実施す る 適合度 と,その適合度 を越 える同期信号の最小適合度 との中間値 を,同期信号 と判定す る最小値 とす る. こ 02 と, 列 目の ノー ドは -.とい う比較的無変化 な状態 を期待 していることが分かる. この ノー ドにセ ッ トさ れは ,すべての同期信号ではない信号のモデル適合度 れ る値 は ,この値 に近 いほ どモデル適合度 は高 くな の上 に同期信号 と判定す る最小適合度 を設定す るた 2 I or る.そ して この ときの｢l 2列 目で変化 を捉 える｣ ノー ドは, 1列 目で変化 を捉 えることを期待 した値 と 敗 よりも,同期信号でないにも関わ らず同期信号で あ なってい る. ると判定す る失敗 をで きるだけ回避 しようとした方策 め ,同期信号であって も同期信号でない と判定す る失 と言 える.

4

章で使用す る評価 指標 で い うな らば , 2 2 図1では ,Cllノー ドは無変化 ,C1ノー ドに立下 りの差分値 をセ ッ トした ときの例 を示す.図11とは逆 Recallよ りも P iirecson 列 目で変化 を捉 える｣は 2列 目での変化 を 本研究 におけるP iirecson P iirecson l 2or を優先 した方策で ある. に,｢ とは ,受信側 で同期信号 期待す る値 となってい る. で あると判定 したデー タの うち ,本 当 に同期信号で あった割合 で ある. を優先 した理 由 として 1列 目 2列 目 Precsonii は , が低 い場合 には ,チ ェ ックサ ムなどに 1 , よる通信エ ラーの検 出を行 うとした場合 に,通信効率 が著 しく悪 くなるか らである.チェックサムによるエ

･

0

平 均

-

.

2

平均 00. ｡l 0 ラー検出は,送信 データ(以後 ,デー タ部 と呼ぶ)か ら 分散 0.1 分散 ある値 (以後 ,チェック部 と呼ぶ)を求め ,チ ェック部 7 二:

∴う

をデータ部の後 ろに付 けて送信す る.そ して受信側で ' : : r T I~ 二二 r __ は ,同 じアルゴ リズムでチ ェック部 を計算 し,逮 られ 5 09. 00.5 00. 平均 平均 平均 5 0 1. 02.5 0-7 分散 分散 分散 図11 Cllノー ドで立下 りを検 出 した ときの ,ペイジ アンネ ッ トワークの確率推論例 .網掛 け部分は 事後確率 をセ ッ トした ところ.それ以外 は確率 推論 によ り求 め られ た確率.

2

0

0

7

/

1

0

て きたチェック部 と同 じで あれば通信 エ ラ-は発生 し ていない とす る方法である. しか し通信エ ラーが頻繁 に発生す る場合 には ,データ部 とチェック部 に同時に エ ラーが発生 し,まれにエ ラーが発生 していない と誤 認す ることがある. これ を回避す るためには ,チェッ 493

8

4

知能 と情報 (日本知能情報 ファジイ学会誌)

42

.

実験概要 ク部に使用す るビッ ト数 を増やす必要がある.我々の シ ミュ レーシ ョンでは ,Precsoiinが約09.3の時には 実機 を使用 して収集 したデータに ,同期信号である バ イ トのデータ部 に対 して 4バ イ トのチェック部が なければエ ラーを見逃 して しまうことがあることがわ 他の よく知 られている機械学習アル ゴ リズム(分類器) 1 かどうかを示す教師データを付加 し,提案す る手法 と との比較 を行 う.合 計 で1 データを作成 した.その うち同期信号であるものは, 個 のモデルへ の入 力 5 8 1 かった. 一方 , llがある.本研究では ,携帯端末が送信 した同期 Precsonii Reca と共 に利 用 され る指標 と して , 48個 で ある. 実験 は1ホール ドのクロスバ リデーシ ョンによって で はな くこの 行 う. まず1 種類 の学習 デー 低 い場合には,受信側ではデー タが送 られたことに気 タと試験データのセ ッ トを作成す る.提案手法 を含め 付 かないとい うことを意味 している. この場合 には受 て分類器 は,学習データで学習 を行い ,試験 データで 0 Reca Precsoiin 信号の うち,受信側 で同期信号であると判定で きた割 llは示す. Reca 185個のデ ー タか ら,10 合 を llが 信側か らの受信成功通知がないなどの判断か ら,送信 分類精度 を計 る.分類器への入力は21個の差分値 ,也 側で再送 を行 えばよい.環境側 か ら携帯端末へのダウ 力は同期信号であるかないかである.提案す る手法の ンロー ドは ,アップロー ドよりも高品質で行 うことが 学習 は ,同期信号 と判定す るモデルの最低適合度 を求 で きるため ,環境側 で受信 したにもかあわ らず ,その めることである.比較す る分葦器の学習 は ,そのそれ 応答が携帯端末に届 かない可能性 は少ない.よって例 ぞれの分類器の仕様 による.

-N

et Bayesain llが で あれば ,ほぼ 末 は環境側 か らの受信成功通知 を受 けることになる. 3 09. Reca 09.3の確率で携帯端 Hug Java k or w 提案手法 は 言語 によ り実装 し, の部分 には開発支援 ツールである in[ えば 5]を使 用 した. 3 09. が約 の ときには , 1バイ トのデー タを 送 るために 4バ イ トのチェックサムを付 けて ,合計で Precsonii 43. 5バ イ トが必要であった. しか もその 5バ イ トは ,逮 Precsonii 評価指標 分類器の評価 は , とRecallの調和平均で 信エラーを検出できることを保証す るだけであり,逮 信 エラーが発生 した時 には もう一度

5

バ イ トを送 らな -asure あるF me いて は ,式 (1) (3) を使用す る.それぞれの計算式 につ に示す .本研 究 におけ るPreci -3 09. Reca ければいけない.一方 , llが の ときには ,例 えば

5

回連続 して環境側 が気付 かない可能性 は ,約 0000 とい う低 い確率 とな る. 0. i sonとは,受信側で同期信号であると判定 したデータ の うち,本当に同期信号であった割合で ある.一方 , 8 6 1 0 Reca Precsonii Reca 以上の ことよ り, を優先 し た方が通信の効率 を向上で きると考 え,モデル適合度 側 で同期信号 で あると判定で きた割合 を示 す. llよ りも llは ,携帯端末が送信 した同期信号の うち,受信 の決定方法 に採用 した. この評価値 を10ホール ドの クロスバリデ-シ ョンに よって算出す る.

凱 実験と考察

= P iirecson 41. 実験環境 15. bps 7 06. 秒間隔で液 で ある.環境側 同期信号 を同期信号 と判定 した数 実験 で使用 した機 器 は ,携帯端末 は 晶変調 を行 う.通信速度 は約 /同期信号 と判定 した数

(

い

all -Rec 同期信号 を同期信号 と判定 した数 8 14. 2*4 1 2 の赤外線 カメラは ,画素数5 0,画素 の ビッ ト数 8ビッ ト,焦点距離1mm,F値 の もの を用い ,液 晶変調間隔の

3

分の 1の *Rec ) P iirecson Rec ii precson

F

05.秒 に 1枚の画像 を取得 し /同期信号の数 me 2* all /(

+

all た.実験 は ,直射 日光 が当た らない ,蛍光灯による一 asure -般 的なオフィスの照明環境で行 った.そ して反射材 を 抽 出す るためのクラスタリングに使用す る最小の反射 4 4 0 光 の強 さは ,7 . 実験 デー タは ,ラ ンダムな位 置 と角度 で人 が手 に 提案手法 と比較 した分類器の概要 を,表 1に示す. 持 った携帯端末か ら送 られ る同期信号 とそ うではない 入力データは提案手法 と同 じように ,携帯端末か らの 比較 した分類器 と した.､ 信号 を,赤外線 カメラで撮影す ることによって取得 し 反射光 の差分値 を時系列 に21個並 べ た数値 を使用す る.出力 と して ,同期信号 で あるか ないか を判定す

N 5

o.

7mの 範 囲で行 った. る. これ らの分類器 は時系列データを陽 に扱 えるもので た.撮影範囲は ,赤外線 カメラの前の約 2m～

4

9

4

Vo.9

l

1

ペイジアンネッ トワークを用いた画像解析による同期信号の判別 表 1 比較 した各分類器 につ いて 名称 国中の名称 概要 提案手法 BN N BI N I ) Newotrk6 Neural ペイジアンネットワークによって同期信号を表現する. 脳の神経ネットワークを模擬した分類器.

9

4

B1 ) ) 8 7 45 c . I _{最も類似する教師データの正/負によって判断する分類器.} C45, Den K ) D lter ySi9 Kernel 数値データを扱うデシジョンツリーアルゴリズム, 核関数に基づくノンパラメトリックな確率密度関数の推定.

FARTLO) pART 枝切りしないデシジョンツリーアルゴリズム.

K*1 2) d 3) upp V tecor 1 t or ) R one Ni Bave aye 1 S K* インスタンスベースと統計的な手法を混合した分類器. O Rne 1つのルールのみを作成するデシジョンツリーアルゴリズム. B N 荏/負をデータ属性の条件付確率で表した分類器. Machinc14) SVM 別次元に写像したデータを線形分離する分類器. □ P □ R 圏 Fmeasure ii recson はない.つ ま り入 力デー タはすべ て独立 した値 で ある と して取 り扱 う. よって ,本研 究 で使用す る

2

個 の差 分値 の入力デ ー タは ,

1

つ の属性 の値 が ある差分値 , 別 の属性 の値 が また別 の差 分値 ,とい うよ うに差分値 間の依存 関係 を考慮 せ ず に学習 す る.

1

_ecalJ 比 較 す る分類 器 に は 言 語 を使 用 したデ ー タマ イニ ング ツールで あ るWe [15]を使用 した. そ して Java ka 各分類器 のパ ラメー タは ,Wekaの デ フ ォル トを使 用 した. 45. asure 結果 図13に結 果 を示 す .図 は ,Fme の大 きい順 番 asure に左 か ら各分類器 が並 べ られ て い る.Fme を評 価値 と して提 案 手法 (BN)が最 もよ い精 度 を示 した. P ii また , recson P iirecson め ,100%の を得 る こ とがで きて い る. を優 先 した方 策 を採 用 して い るた

46

.

考察 Den BN NN は1 C45K P TKAR *OneRNB SVM 提案手法 が他 の分類器 よ りも良 い結果 を示 した こと は , 1つ は ,パ ラメー タチ ューニ ングに原 因が ある. 図13 各分類器 と提案手法 の分類精度実験 の結果 .分 ka 提案手法 以外 は ,We の デ フ ォル トパ ラメ ー タを使 用 して い るた め ,よ り適 したパ ラ メー タが見 つ かれ ば , さらに良 い結果 を示 す こ とが考 え られ る. また提案手法 には ,よ り多 くの本 システムに対す る 情報 が実装 されてい ることも要 因の 1つ で あ ると考 え る. それ は ,携帯端末 か らの同期信号 を正確 にペ イジ asure 類器 は ,左 か らFme の値 が大 きい順 に並 んで い る. に見て判断す るわ けで はない.例 えば n番 目のデー タ が Ⅹ以上 の値 の時 には同期信号 で ある ,と い った よ う に ,1つ づつ の入力 に対 してル ール を適 用 しよ うとす ア ンネ ッ トワークによってモデル化 した ことで ある. 他の分類器 は ,学習 デ ー タのみの情報 か ら同期信号 を t Densi Kerne l k tor ew N l ura る.一方 , y Ne な どは ,それ ぞれ の値 の重 みつ き総 ine h c V tecor t por Sup , Ma , 判別 してい ることに対 して ,提案手法 には事前知識 が 和 の よ うな総合値 によって 同期信号 で あるか どうか を 含 まれてい る. この ことが ,よい結果 を示 した原 因 と 判 断す る.提案 した手法 も後者 に入 る.直感 的 には後 考 え る. 者 の方 が ,本課題 に対 して は適 してい ると思 われ る.

1

45. 比較 した分類若 は ,入力デ ー タの取 り扱 い方 に よっ て 2つ に分類 で きる.C ツ リーアル ゴ リズ ムは ,入力 の

2

個 の差 分値 を総合 的 45. 45. しか しC が やPARTな どのデ シジ ョン い るこ とか ら,学習 デ ー タに偏 りが あった可能性 が指 摘 され る.C が作 る分類規則 は ,この課題 に対 して t i ens D Kernel yよ りもよい成績 を収 めて

2

0

0

7

/

1

0

4

9

5

0 5 知能 と情報 (日本知能情報 フ ァジィ学会誌) は汎用 的 な規 則 で あ る とは言 いがた い. そ こで今後 た実験 を進め ,また実運用 を想定 した コス ト面 などに は ,よ り多 くのデー タによって評価す る必要 が あると つ いて も検討 してい きたい. 思 われ る. 参 考 文 献 .

関連研究

画像認識 にベ イズ法 を適用す る研究 には様 々な もの

5

I i ayesan T A io deyuk d t t nrouc [1] T Ni mu Hi uY mamo dHi mp toa,n Wo dI H ra, b n . i 300,pp 2] C dM. J : erner ensen a d n h s me f au i ih pnanezan . an . i bno kih auc l r 1 D a, rga 3 P. Y hos Co Fra in . ( 4] Mi ONDENS ON l [ [ [ [ [ [ [ 5] F nV Anl ntoB 6] D Mi 7] Ah dD Ki 8] Ross Mo nK manP 199 9] M. Wa ,M. ra N kaa i i kyu hY h to,os mu, d leo : ma i N k haas i -tA l na i Ton er t essIfnorma mi L -Btaetry t ac f R lor ea が ある (例 えば [1 )6]. この1つ の 目的 は ,学習 デー タ _{netracti lon,lPER AS E2V IV 004S i,prngerLNCS} が十分 に得 られない ときに ,事前確率 や主観確率 と呼 ばれ る学習 デー タ以外 の知識 を学習 に含めて ,精度 を 向上 させ ることで あ る.我 々の研究 もこれ と同 じ立場 をとる.予 め機器 につ いての知識 をペ イジアンネ ッ ト ワークに表現 し,それ を同期信号の分類 に使用す るこ とによって他 の分類器 に比 べて よい結果 を残す ことが で きた. ペイジア ンネ ッ トワークは ,ユ ーザのモデル化 な ど 4 ,(200 9 3 1 -4 2 1 . ). Fra To ' :r laseck P do meor oN tto l spays l Fra f i esg

R loeandD no meessDi he T : tou i iqu mp b i U nUb ico , ions i tca l p sAp 一一Proceedingsof ,(200 3]本村 陽一 ,岩崎弘利 :"ペ イジア ンネ ッ トワーク技術 ユ ーザ ･顧客の モデル化 と不確実性 推論 ",東京電機 7 5 3 -0 4 3 p. 5p, fO 5). ). 6 0 0 2 大学 出版 局 ,( d nre d an l dsar h l cae A wBlk:aeHC t densypi i lona t i Odn C I ropagationf i lorvsuatracking, に利用 されてい る.例 えばマ イクロソフ トは ,No とい うユ ーザの現在状態 を考慮 し -l f i t Itnernati lonaJournaolfCompuetrVisoi γ l2n o, .9N 1, .o, 8 8 2 5 pp -. ,(199). npltaform [17] i t ca o た通知 システムを構築 している.ある人 が他 の人 に連 絡 を取 りたい ときに ,連絡 を したいユ ーザの緊急度 だ けでな く,連絡 を受け る人の状態 をも考慮 して ,電話 な どで害lり込 むか ,またはメール などで非 同期 に通知J す るか を判断す るシステムである. この連絡の受信者 の状況 推 定 にペ イ ジア ンネ ッ トワー ク を使 用 して い る. この よ うな状況推定 に利用す るペ イジア ンネ ッ ト ワークは ,主 に観測事象 か ら未観測事象の状態確率 を 推定す る確率推論 を利 用す る.一方 ,我 々はペ イジア d es C C T l ter, . .ayo ∫Si lpege .. Newot rs prngekHS i, r i De, h c ,(199 hla r( ). 7 : ) i Lne earnni Ng e, uraaln a i Hce P tren , h c ' -ion II t Ma dSttaitsi lcaClassifica -4 ll,(199). 1 -i earnn base -II tnsance F l :er dl ga ). 1 ( , 7 3 . 6 i Lne earnngvi,ol h c , " h tms i gor Ma .,pp -66 199 g m i Lne h c for Progra 45.: C " il unan, Q ms Ma eai n, A C teo, Sa , ihsers l b u H nMa , ). erne K " Jones: . C lSmoothing一一, hap C man&H lal/CRC,(199).4 ンネ ッ トワークを 1つ の確率分布 と して取 り扱 ってい _{[ ] E10 ib Fe rankadInH Win a . tten,''Generatin urae t} k i h lav S i Ion n, t za gAcc ,J ingsof d i Pro O tp bl oa i Lne earnngi : h tou t h c R lStue es , d e. Wi Gl mi 日Ma cee 仇eF批ee 8 1 る. これ は隠れマル コフモデル による音声認識 [ ]と 同様 で ある.隠れマル コフモデルではな くペ イジア ン ., h t n nn f au rgan C fonerence, i lona ltnernat Mo K ma Pbulih s-ネ ッ トワークを利用す る利 点 は ,隠れマル コフモデル 一一 g, d E Ti eonar, .rg n i C rancsco, 1ear S ers a, h G C on, . mF A,(199 よ りも表 現 力 が豊 か で あ る こと と,豊富 な開発 支援 [11] J yadL K ). 8 -n t sance *: i t nropc U i earner sn base -t sance Anl dL ganE Di ツール が整 備 され て い る ことで ある. t 2 h t ingsof llP d asure r, ocee Me e1 hlnetrnati lonaCon -ペイジア ンネ ッ トワークの構造 をデ ー タか ら学習す t:e ferenceo C H lo .. 2 1 [ nMa ] R -8 0 1 p. i lneearnngpi, h c l f ruesperorm 4 11 ion i tca f i ,(199).5

9

1

る

K2

アル ゴ リズ ム

[

はペ イジア ンネ ッ トワー クの構 造 や CFrにつ いて は ]な どがある. しか し本研 究 で l c le i V rer ' ysmp ass h c , t t aases se l n t s co llo e w n･mo mmo yu dd HMa ine l . Learnng oi γ, H eorge Ous 3 1 [ l ] G Di 3 1 9 -3 6 p. p , l ,(199). 学習 か ら求 めていない.通信機器の構成 か ら事前 に構

築 してパ ター ンマ ッチ ング に使 用 して い る. .JhonandPatLangel :y"Etsima gCtin onti

nu -d i Iers rIP, o f i l i ayesa ionsi btu i t sr nB nCass cee levent h t f lng f SO eE hC A托i f onerenc igence.pp I lnetl iilca eonU n nn i t t nceran K fau rgan 5. 4 3 -8 33 . yi Mo ma ,

6

.お細別こ

I i vancesn ', ionr t za i O tp l i n ila teo t equen Sa P . i usn 4 1 [ nMa ,(199 ] J gS Mima mi Ad ). 5 赤外線 の反射光 の強 さを液晶 によって制御 す ること で実現す る通信 を提案 した.環境側 で は携帯端末 の液

F

O

/

N

晶

O

F

の状態 を ,赤 外線 カ メ ラに よって捉 えた T iiranngo F tas " : tt la fSupportV tecorMa ichnes r l daes, ., t eco S . por up h do s k fC Bop, .urgesa,n t Kerne Shlco lMe :S tV rL dA mo MITPess . i B earnng, 反射光 の強 さの変化 によって認識す る.通信 を開始す , n tte 199 . ( a 5 1 [ ] In班 Wi na ). 8 る合 図 とな る同期信 号 の認識 に ,ペ イ ジア ンネ ッ ト ワークを用 いた. この方法 を,従来の機械学習手法 と fE,n hi l ecnques t aa D k ran l oosan b i ･inn i l lneea h c dE eF :■■ Mi gt dt dE i -P trac i : nng 2 Per i rancsco, itero S nn a, ergusa,n f rga au FiRe o, l ca ion, t ma Mo nK ma mF (0 bF dP on i -d 比 較 して最 も精度 が高 い ことを確認 した. _05). 今後 は ,通信速度 の改善 や実環境での利 用 を想定 し [ ] L16 iFei- a:一一ABaye

-6

9

4

_Vo.9

_I1

_{N .}

_o5

1 5 ペ イジア ンネ ッ トワークを用 いた画像解析 による同期信号の判別 Ap htoU dO Ob eonC mp ne o i nsupervse C fonerenc proac i lona j i san f o Itnernat Learnngi hto S

- worskIIA･,rtifiilcaItnelligence o,V l4.2p,p.393-405,

). 0 9 9 1 ( cee Pro , -Caetgorei fs t

ec dingsoftehNihInt EEE

7 0 0 2 ( 年 2月15日 受付 ) Vo1 -iison V t uer 年 5月 9日 7 0 0 2 ( 採録) me ] E tz 2p, Horvi . u 7 1 [ ). 3 0 0 2 -11 ,( M. i T P k De, .ae,.Hovel:■-Modles 1 4 K da 4 3 11 p, nC mpo . C , i ion t en Att oA t Pi ilrncpes f o utingandC mmuo nci tai :onsFrom [問い合わせ先 ] 〒9 北陸先端科学技術大学院大学 知識科学研究科 2 石川 県能美 市旭 台ト1 9 2 1 -3 2 mmu ICo, i !ons i tca l pp nci taionsofteh ACM 46(3):52-59,Ma ,(rch 2003). 中田 盟久 ] Rabiner,L an 8 1 [ dJ ). 3 9 9 1 ( -F Rr H lal ice 一一P,rent i ton Recogni Speech f o ions Foun adt 1 -B: uang, . TEL:0761-51-1814 AX: l i ma -F E 1775 -1 5 -1 6 7 0 〕 G regoryF.Cooper:一一Th 9 1 [ mp mp ci eu gB nb i lonaco i ayesa tt ua i sn eco f nerenc i its l i bb pro a f o l iexyt -if te ne l e :t-naaakd@jasait. ,cjp O C 6 著 者 紹 介 なかだ 中田 豊久 とよひさ [非会則 国藤 くにふじ 進 すすむ [非会則 節 .1 年 I 科学研 究科教授 ,1 年生 .20 0 7 9 1 06年 北陸先端科学技 1947年生 .1974年 東京工業大学大 術大学院大学 知識科学研究科 博士課 学院理工学研究科修士課程修 了.同年 程修 了.博士 (知識科学).同年 より北 _{富士通 (}秩 )国際情報社会科学研究所入 陸先端科学技術大学院大学 知識科 学 T出向.1992年 研究科 研究員.実世界指向 イ ンター よ り北陸先端科学技術大学院大学情報 8 9 1 2～ 8 9 フェース,データマイニ ングに関す る 998年 よ り知識科 研究 に従事.人工知能学会 ,電子情報 学研究科教授.博士 (工学).情報処理 通信 学会各会員. 学会創立25周年記念論文賞 ,1 人工知能学会研究奨励賞各受賞. 日本 創造学会理事長.人工知能学会 ,計測 自動制御学会 ,電子情報通信学会等各 会員 . い とう ひ で お 伊藤 日 出 男 〔非会員] 6 9 9 年 2 8 9 1 年東北大学工学部電子工学科 4 8 9 卒業 .1 年東北大 学大学院工学研 究科電子工学専攻博士前期課程修 了. 5 0 0 2 年北陸先端科 学技術大学院大 学 博士課程修 了.工学博士 .1 産省工技院電子技術総合研究所入所 . 4 8 9年 通 1 0 0 2 年独立行政法人産業技術総合研 究所 に改組 .情報技術研究部門,エ レ ク トロニクス研究部門にて測位空間光 通信研 究,光電子 実装研究 に従事 .情 報処理学会,エ レク トロニ クス実装学 会 ,電 子情報 通信 学 会 ,応 用物 理 学 会 ,日本光学会各会員.

2

0

0

7

/

1

0

497

muKUNⅠ『U胴 日本知能情報 ファジ ィ学会誌) ( ● 知能 と情報

2

5

by

cBitDe nMe du gⅠma eAm switIIBa nNewo kr

To aNAⅨADA,Hi oITOH a dS t no liea ma ntou ds ms eb np Wi ma gs i yesa io t ifnor usu l i ays n in k g h tou t de i sn d ropose. h t o ee is i t tec o h yo h t av yse z use rea -Syn d t rero ifnrared Ab t: l t sersocae t srac l severa I dinanarea, e i Won, igurat f on i sn h der aatb / is yu ga i t naesn llu t syse he i ifvenrared eshee dal dc ni Thifnraredint mi mi ma l tec e heref f tsron.t i lscear,t l t rysao l t crysa d i iqu i iqu h le t en tan h ･d i ili W rrs evcesyng. heuse heareaw ehret t gnituesad ilrge n.I he t near f･rom i lgna ns ; ions t i d on i usn d i b s evce y l ng fro tsent i b sync he mt err ga i trecognzest da eo heus h tec ican cathngesot f i ign dsvies haerc uc srtansferr gu ulin sef base -i ton i pos -here heusers eTd i Tvce. t f re ll cay. yna e dteerm e he a h hlresodcnt nb indd mi Mo h t te , -ine

N 5

o.

S

V E

o.

1

J h l ecnoog an i cence o ttue i t ns dI fS dT y(AI

9

) T en serca . t sysem Au ns dh l d rapace ca ifnrared me ids ar nk.A l t crysa io i t nca co t csasa ea mmu fferenc i ids hesewt in i ihngus its gt oc h c ropose i l revous verco l i as a

dme dcne yotoh mep yp dma

propose h te dusernoifrmatoni tothe sen hl tepso d or df h hlreso t ic tta n io t hepos nai i Lne earnng i mparati lveysmall hw enthe isco d tue i gn danupoaldfunctionthta de d a otes m. ess ytarodeetrminesthes dp t user h yset Itisnec ifnrare h te nt mahe gnitu e.d Th i fference edifferenceaslodepen sod nt h becauset t i lcu ff i iidss h however,t dma h ifenrare t tt conras, edi h i t t ecorrecognzes j ro mw di hf nn yme me nN s: mmu Ad ess:To aNAⅨADA ance v gme lSr Sicence a,JpanAd isresearc TE :0 h nt h yo h e avepropose k C t ewor,o is L B k or. Bayesai dr t ew hd tos. hesyset Ct, O i over ure, xper Keyword C t tonac f ･or Bayesai learnni h c i if dvenre, l tec Ma i Rfon e, i t nca 2 9 2 7 -3 2 iv l tec hasaref hta t e np esroc s io t isrecogni h t f anso N 9, J a, kaw A月4 i ihs p wthta h so ts l l t naresu 4 1 8 1 -1 5 -1 6 7 fK la hsa Sh lcoo o l 1 mi ld nowege d ia no i AX :0 mal:ti -F E 5 -1 5 177 -1 6 7 it j asa. .c kd naaa@j -ddicev hle h dan

8

9

4