論文 - 遠藤　聡志

Proposal of a Data Augmentation Method Using ChatGPT for Japanese Imbalanced Data

Natsuki Sawasaki and Satoshi Endo

ICIC Express Letters, Part B: Applicatiions ( ICIC International )  15 ( 10 ) 999 - 1007   2024年10月 [ 査読有り ]

掲載種別: 研究論文（学術雑誌）

　概要を見る

As the exploitation of large-scale data advances, numerous classification issues are being effectively addressed. However, significant challenges persist when dealing with imbalanced data. In cases of data imbalance, ideally, new data would be annotated for the underrepresented categories. Nonetheless, in practical terms, data augmentation strategies are often employed to generate analogous data for these minor categories. While there are numerous issues associated with data augmentation techniques within the realm of natural language processing, no definitive methods have been established until the efficacy of ChatGPT for English data augmentation was demonstrated. However, it is known that its performance decreases for languages other than English, and there has been limited validation in Japanese. Consequently, in this research, we sought to annotate and augment the Livedoor News Corpus using ChatGPT, and through a comparative analysis of accuracy changes, we validated the effectiveness of ChatGPT for Japanese imbalanced data.

• この論文にアクセスする

  DOI

Classification of Rainfall Intensity and Cloud Type from Dash Cam Images Using Feature Removal by Masking

Kodai Suemitsu,Satoshi Endo, Shunsuke Sato

Climate ( MDPI )  12 ( 5 )   2024年05月 [ 査読有り ]

掲載種別: 研究論文（学術雑誌）

関連する研究費コード: 23K11234

• この論文にアクセスする

  DOI 学術リポジトリ

Multi-task Learning とMulti-stream の統合モデルを用いた単眼深度推定

髙嶺 潮, 遠藤 聡志

人工知能学会論文誌 ( 人工知能学会 )  36 ( 5 ) 1 - 9   2021年09月 [ 査読有り ]

掲載種別: 研究論文（学術雑誌）

• この論文にアクセスする

  DOI 学術リポジトリ

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年04月 [ 査読有り ]

掲載種別: 研究論文（学術雑誌）

　概要を見る

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．

• この論文にアクセスする

  DOI 学術リポジトリ

Monocular Depth Estimation with a Multi-Task and Multiple-Input Architecture Using Depth Gradient

Michiru Takamine, Satoshi Endo

2020 Joint 11th International Conference on Soft Computing and Intelligent Systems and 21st International Symposium on Advanced Intelligent Systems (SCIS-ISIS) ( Japan Society for Fuzzy Theory and intelligent informatics (SOFT) )    379 - 384   2020年12月 [ 査読有り ]

掲載種別: 研究論文（国際会議プロシーディングス）

多様化する大学教育シリーズ(第1回)社会課題に取り組むワークショップとその効果 : 琉球大学・京都大学合同デザインスクールの経験

當間 愛晃 ,山田 孝治,遠藤 聡志,十河 卓司,石田 亨

電子情報通信学会誌   102 ( 2 ) 172 - 178   2019年02月 [ 査読有り ]

掲載種別: 研究論文（学術雑誌）

　概要を見る

本稿では，2013年から毎年実施している琉球大学・京都大学合同デザインスクールの経験を基に，社会課題に取り組むワークショップとその効果について述べる．取り組むテーマは毎年異なり，雇用問題や地方都市の活性化といった全国にもつながる本格的な問題を設定した．これまでの5年間で延べ158名の学生が参加し，沖縄・京都そして留学生といった異文化融合も含む横断討論を行い，互いの視野拡大・複合的な視点獲得を促進することで，多様なアイデアが生み出された．アンケートや追跡調査から，ワークショップ後の学びにも寄与する事例が現れ始めていることが分かった．

畳み込みニューラルネットワークを用いた表情表現の獲得と顔特徴量の分析

西銘 大喜, 遠藤 聡志, 當間 愛晃, 山田 孝治, 赤嶺 有平

人工知能学会論文誌 ( 一般社団法人 人工知能学会 )  32 ( 5 ) F - H34_1-8   2017年09月 [ 査読有り ]

掲載種別: 研究論文（学術雑誌）

　概要を見る

<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>

• この論文にアクセスする

  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年02月 [ 査読有り ]

掲載種別: 研究論文（学術雑誌）

• この論文にアクセスする

  DOI

Feature Learning from Facial Expression Images Using Convolutional Neural Networks

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

The 31st International Technical Conference on Circuits/Systems, Computers and Communications     2016年07月 [ 査読有り ]

掲載種別: 研究論文（学術雑誌）

ChatGPTを用いた記事の構成要素を加味する長文文章生成手法の提案

澤崎 夏希・遠藤 聡志（琉球大学）

第２３回情報科学技術フォーラム(FIT2024)　論文集 ( 情報処理学会 )    2024年09月

掲載種別: 研究論文（その他学術会議資料等）

降雨レベル分類を前処理とした降雨強度の回帰モデル構築

矢野 耕太郎・遠藤 聡志（琉球大学）・佐藤 俊輔（ウェザーニューズ）

第２３回情報科学技術フォーラム(FIT2024)　論文集 ( 情報処理学会 )    2024年09月

掲載種別: 研究論文（その他学術会議資料等）

関連する研究費コード: 23K11234

沖縄観光と経済の専門知識を付与したChatBotの試作

朝比奈太郎，澤崎夏希，遠藤聡志（琉球大）

情報処理学会第８６回全国大会　論文集 ( 情報処理学会 )    2024年03月

掲載種別: 研究論文（その他学術会議資料等）

雲画像からの降雨強度予測の為のデータセット構築と分類モデル作成

矢野耕太郎，末光航大（琉球大），佐藤俊輔（ウェザーニューズ），遠藤聡志（琉球大）

情報処理学会第８６回全国大会　論文集 ( 情報処理学会 )    2024年03月

掲載種別: 研究論文（その他学術会議資料等）

関連する研究費コード: 23K11234

• この論文にアクセスする

  学術リポジトリ

車載カメラ画像を用いた降雨強度レベル分類とGrad-CAMによる注視点分析

末光航大，遠藤聡志（琉球大），佐藤俊輔（ウェザーニューズ）

情報処理学会第８６回全国大会　論文集 ( 情報処理学会 )    2024年03月

掲載種別: 研究論文（その他学術会議資料等）

関連する研究費コード: 23K11234

天気情報収集のための車載カメラ画像を活用した降雨強度と雲の種類の推定

末光 航大・遠藤 聡志（琉球大学）・佐藤 俊輔（ウェザーニューズ）

第22回情報科学技術フォーラム（FIT2023） ( 情報処理学会・電子情報通信学会 )    2023年09月

掲載種別: 研究論文（その他学術会議資料等）

日本語不均衡データに対してのChatGPTを利用したかさ増し手法の提案

澤崎 夏希,遠藤 聡志

第22回情報科学技術フォーラム（FIT2023） ( 情報処理学会・電子情報通信学会 )    2023年09月

掲載種別: 研究論文（その他学術会議資料等）

Proposal of a Data Augmentation Method Using ChatGPT for Japanese Imbalanced Data

Natsuki Sawasaki† and Satoshi Endo

17th International Conference on Innovative Computing, Information and Control (ICICIC2023)     2023年08月 [ 査読有り ]

掲載種別: 研究論文（国際会議プロシーディングス）

異常検知を用いたフレッシュコンクリートの材料分離判定モデルの試作

屋嘉比朝温，遠藤聡志

情報処理学会第８５回全国大会　論文集 ( 情報処理学会 )    2023年03月

掲載種別: 研究論文（その他学術会議資料等）

Selection of Dash Cam Images for Weather Forecasting Based on The Sky Occupancy

Kodai Suemitsu,Satoshi Endo,Shunsuke Sato

International Symposium on Soft Computing and Intelligent Systems (SCIS) ( IEEE )    2023年01月 [ 査読有り ]

掲載種別: 研究論文（国際会議プロシーディングス）

　概要を見る

Sky information is an essential clue to weather forecasting. WEATHERNEWS INC, a weather company, has improved forecast accuracy by obtaining current sky images and weather information from application users. To further improve this accuracy, we propose the automatic acquisition of sky images and weather information using a communication-type vehicle dash-mounted camera (dash cam). However, in urban and residential areas, the sky is hidden by buildings and street trees, making it difficult to judge the weather in some shooting scenes. Thus, the images that need to be acquired are selected according to the sky occupancy. In this paper, we select sky images for which weather conditions can be determined based on the results of sky occupancy prediction using semantic segmentation. We constructed two data groups from dash cam images based on weather visibility. A comparison of the predicted sky occupancy results for the two data groups shows that a sky occupancy of 20% or more is sufficient to make a weather decision. We evaluated the performance of the reporting system using dash cam data selected based on the above specifications. The results showed that the reporting system found weather information with fine temporal granularity from the sky images.

• この論文にアクセスする

  DOI

Improving Imbalanced Dialogue Act Classification Using Cost-Sensitive Learning

Takaaki MIYAGI, Satoshi ENDO

2022 Joint 12th International Conference on Soft Computing and Intelligent Systems and 23rd International Symposium on Advanced Intelligent Systems (SCIS&ISIS) ( IEEE )    2023年01月 [ 査読有り ]

掲載種別: 研究論文（国際会議プロシーディングス）

　概要を見る

Dialogue acts represent the content or intention of the speaker’s utterance, and are classified into different types, which are called dialogue act labels. Since dialogue acts are helpful in understanding the dialogue content and generating sentences, many studies have been conducted on the classification of dialogue acts. In particular, the dialogue act classification of a response is a problem in predicting dialogue act labels of response sentences and is effective for generating response sentences if the labels are correctly classified. However, the dataset used in this study is unbalanced, with the utter and understand labels accounting for more than 70 % of the nine dialogue act labels. Therefore, the majority labels are predicted more often and the minority labels are not predicted at all. This paper aims to solve the problem of minority labels not being predicted. Increasing the loss value when minority labels are misclassified, lets the model learn to capture the features of minority labels. We believe that cost-sensitive learning is effective for classifying imbalanced datasets because it allows us to adjust the loss value in case of misclassification. The cost-sensitive learning used in this experiment can be roughly divided into two types depending on the setting of the cost value. The first is a method that sets a cost value for each class, and the second is a method that sets a higher cost value when a minority label is misclassified as a majority label. Using these methods, we have improved the Recall and F1 compared to the conventional methods and reduced the misclassification rate of minority labels as majority labels. We confirmed that the cost-sensitive learning method is effective for imbalanced datasets. However, the cost-sensitive learning method did not improve accuracy.

• この論文にアクセスする

  DOI