Current Affiliation Organization 【 display / non-display 】

Current Affiliation Organization 【 display / non-display 】

Graduate School 【 display / non-display 】

Graduate School 【 display / non-display 】

Academic degree 【 display / non-display 】

Academic degree 【 display / non-display 】

External Career 【 display / non-display 】

External Career 【 display / non-display 】

Affiliated academic organizations 【 display / non-display 】

Affiliated academic organizations 【 display / non-display 】

Research Interests 【 display / non-display 】

Research Interests 【 display / non-display 】

Research Areas 【 display / non-display 】

Research Areas 【 display / non-display 】

Research Theme 【 display / non-display 】

Research Theme 【 display / non-display 】

• Developping a Search Techniques with Semantic Web and Ontology

• Dial-a-ride Problem Optimization

• Machine learning for Natural Language Processing

• (Data / Text / Web) Mining

Published Papers 【 display / non-display 】

Published Papers 【 display / non-display 】

• MolGANの拡張による文章グラフを用いた文章生成手法の提案

  澤崎 夏希, 遠藤 聡志, 當間 愛晃, 山田 孝治, 赤嶺 有平

  知能と情報 ( 日本知能情報ファジィ学会 )  32 ( 2 ) 668 - 677   2020 [ Peer Review Accepted ]

  Type of publication: Research paper (scientific journal)

  　View Summary

  <p>深層学習によって様々な分類問題が解決されているが，分類カテゴリ毎のデータ量が不均衡な問題を扱う場合，多くの課題がある．不均衡データへの対策として，少量カテゴリのデータ量を増加させ均衡化する手法がある．これをかさ増しと呼び画像処理分野ではノイズの付与や回転による方法が一般的である．最近ではGenerative Adversarial Network: GANによる画像生成手法を用いる場合がある．一方で，自然言語処理の分野では有効なかさ増し手法はいまだ確立されておらず，人手によるかさ増しが行われている．人手によるかさ増しではルールの設計など負担が大きく，機械的なかさ増し手法が必要となる．しかし，文章生成における機械的なかさ増しは画像生成に比べ不安定である．これは文章の特徴獲得の難しさが原因だと考えられる．そこで本論文ではグラフ情報に注目した機械学習による文章生成手法を提案する．CaboChaによって生成されたグラフ情報をGraph Convolutionにより畳み込み処理する．提案するGANにより生成されたかさ増し文章を3つの計算実験により評価し有効性を示した．</p>

  • Access this article
    DOI

• 深層強化学習エージェントの行動別顕著性マップの生成に関する考察

  長嶺 一輝, 遠藤 聡志, 山田 孝治, 當間 愛晃, 赤嶺 有平

  人工知能学会全国大会論文集 ( 一般社団法人 人工知能学会 )  2019 ( 0 ) 3K4J201 - 3K4J201   2019

  Type of publication: Research paper (scientific journal)

  　View Summary

  <p>近年，深層強化学習エージェントは驚くべき発展を見せ，素晴らしい成果を挙げている．一方で，エージェントの行動のみを視認して，根拠となった画像特徴を推測するのは困難であるという問題がある．これに対し，エージェントが持つニューラルネットの入出力を用いて判断根拠を可視化することで，行動を分析しようとする試みが行われている．可視化手法の一つに顕著性マップの生成がある．しかし，行動毎に顕著性マップを得る手法はあまり研究されていない．本稿では，深層強化学習エージェントの行動を視覚的に分析する際に，エージェントの持つニューラルネットから各行動ごとに顕著性マップを得る手法を提案する．実験の結果，環境から得られる状態観測内のオブジェクトが，エージェントの各行動に及ぼす影響を可視化する顕著性マップを得られた．</p>

  • Access this article
    DOI

• A study on emotion estimation of narratives using cognitive appraisals of the reader

  Toma N.

  2016 IEEE International Conference on Systems, Man, and Cybernetics, SMC 2016 - Conference Proceedings ( 2016 IEEE International Conference on Systems, Man, and Cybernetics, SMC 2016 - Conference Proceedings )    572 - 576   2017.02 [ Peer Review Accepted ]

  Type of publication: Research paper (scientific journal)

  • Access this article
    DOI

• A study on emotion estimation of narratives using cognitive appraisals of the reader

  當間　愛晃

  2016 IEEE International Conference on Systems, Man, and Cybernetics, SMC 2016     572 - 576   2017.02

  Type of publication: Research paper (scientific journal)

• Feature Acquisition and Analysis for Facial Expression Recognition Using Convolutional Neural Networks

  Nishime Taiki, Endo Satoshi, Toma Naruaki, Yamada Koji, Akamine Yuhei

  Transactions of the Japanese Society for Artificial Intelligence ( The Japanese Society for Artificial Intelligence )  32 ( 5 ) F - H34_1-8   2017 [ Peer Review Accepted ]

  Type of publication: Research paper (scientific journal)

  　View Summary

  <p>Facial expressions play an important role in communication as much as words. In facial expression recognition by human, it is difficult to uniquely judge, because facial expression has the sway of recognition by individual difference and subjective recognition. Therefore, it is difficult to evaluate the reliability of the result from recognition accuracy alone, and the analysis for explaining the result and feature learned by Convolutional Neural Networks (CNN) will be considered important. In this study, we carried out the facial expression recognition from facial expression images using CNN. In addition, we analysed CNN for understanding learned features and prediction results. Emotions we focused on are "happiness", "sadness", "surprise", "anger", "disgust", "fear" and "neutral". As a result, using 32286 facial expression images, have obtained an emotion recognition score of about 57%; for two emotions (Happiness, Surprise) the recognition score exceeded 70%, but Anger and Fear was less than 50%. In the analysis of CNN, we focused on the learning process, input and intermediate layer. Analysis of the learning progress confirmed that increased data can be recognised in the following order "happiness", "surprise", "neutral", "anger", "disgust", "sadness" and "fear". From the analysis result of the input and intermediate layer, we confirmed that the feature of the eyes and mouth strongly influence the facial expression recognition, and intermediate layer neurons had active patterns corresponding to facial expressions, and also these activate patterns do not respond to partial features of facial expressions. From these results, we concluded that CNN has learned the partial features of eyes and mouth from input, and recognise the facial expression using hidden layer units having the area corresponding to each facial expression.</p>

  • Access this article
    DOI Repository

display all >>

Other Papers 【 display / non-display 】

Other Papers 【 display / non-display 】

• Corpus Design and Model Prototyping for Constructing a Reframing Dialogue Model

    2024-NL-259 ( 13 ) 1 - 6   2024.03

   

• Basic experiments for Constructing a Reframing Dialogue Model

      173 - 174   2024.02

   

• Improved MITI Code Estimation Method for Motivational Interviewing with Data Extension

      183 - 184   2024.02

   

• A consideration of novel structuring by BERT

    2023 ( 1 ) 777 - 778   2023.03

   

• A trial of extracting out-of-focus sentences for re- view text

    2023 ( 1 ) 869 - 870   2023.03

   

display all >>

Presentations 【 display / non-display 】

Presentations 【 display / non-display 】

• 小説プロット推定のための敵対関係判定に関する基礎研究

  神谷美希,當間愛晃

  情報処理学会 第80回全国大会  2018.03  -  2018.03 

• 倒置法を利用した記事タイトル生成に関する検証

  伊藤巧,當間愛晃,赤嶺有平,山田孝治,遠藤聡志

  情報処理学会 第79回全国大会  2017.03  -  2017.03 

• 雑談における手がかり情報の差異が印象形成に及ばす影響分析

  阿波連智恵,當間愛晃

  情報処理学会 第78回全国大会  2016.03  -  2016.03 

• Deep Learning におけるコストを考慮した Dropout率制御に関する検証

  玉城翔,當間愛晃,赤嶺有平,山田孝治,遠藤聡志

  情報処理学会 第77回全国大会  2015.03  -  2015.03 

• 感情推定に基づく小説推薦システムのための認知的評価質問セットを用いたシミュレーション

  平良浩嗣,當間愛晃,赤嶺有平,山田孝治,遠藤聡志

  情報処理学会 第77回全国大会  2015.03  -  2015.03 

display all >>

Preferred joint research theme 【 display / non-display 】

Preferred joint research theme 【 display / non-display 】

• Artificial Intelligence, Collective Intelligence

• Complex Systems Engineering

• (Data / Text / Web) Mining