| 三角 周平 | M, 2回目発表 | 数理情報学 | 池田 和司, 笠原 正治, 岩田 具治, 田中 佑典 |
|
title: Meta-learning for Recommender Systems with the Matrices Synchronized with the User and Item Information
abstract: Meta-learning is called "Learning-to-learn" and enables a model to adapt to few-shot tasks using the acquired techniques by training multiple tasks. In recommender system, meta-learning could be expected to impute the missing values in even small matrices. However, conventional meta-learning method couldn't always impute the missing values accounted for the majority of the matrix and couldn't always achieve better matrix imputation performance when meta-training data contain only matrix information such as only user-item ratings information data. We propose an approrch that the imputation of the missing values in some matrices by synchronizing with the user and item information. language of the presentation: Japanese 発表題目: 内容情報を付加したメタ学習に基づく推薦システム 発表概要: メタ学習は複数のタスクの学習を通じて学習のテクニックを理解する仕組みで，少ないデータを持つのタスクでも効率的に学習が出来るという特徴を持つ．特にレコメンドシステムでのメタ学習の活用は，小さいかつ欠損値の多い評価値行列での評価値補間が期待される．しかし行列情報のみで構成されるタスクを用いたメタ学習では，欠損値が非常に多い場合に大幅に精度が落ちてしまうことが懸念されている．本研究では評価値行列に各行列の説明を補助的に付加することによって，内容ベースに基づいた欠損値の多い評価値行列の補間を行う． | |||
| 生駒 洋樹 | M, 2回目発表 | 数理情報学 | 池田 和司, 笠原 正治, 吉本 潤一郎, 久保 孝富, 福嶋 誠, 日永田 智絵 |
|
title: Learning Deep Boltzmann Machine using quantum-assisted exchange Monte Carlo
abstract: A Boltzmann machine (BM) is a model of Markov Random field, which is also one of the models of statistical machine learning. Though it has interesting properties in terms of statistical physics, it is rarely used in practice because of the problem of computation. We have proposed to use a quantum annealer and an approximate computation method based on exchange MC in learning the BM. We will breifly overview the result and its interpretation. language of the presentation: English 発表題目: 量子アニーラおよび交換モンテカルロ法を用いたボルツマンマシンの学習 発表概要: ボルツマンマシンはマルコフ確率場の一つであるとともに、生成モデルを構築するための統計的機械学習の一種である。統計力学の観点からは興味深い性質を持っているものの、学習の際の計算量の問題から実用ではあまり利用されない。この問題を解決するために我々は交換モンテカルロ法をベースにした近似計算手法と量子アニーリングを組み合わせて学習する手法を提案した。その結果や解釈について紹介する。 | |||
| 早舩 晃希 | M, 2回目発表 | 数理情報学 | 池田 和司, 中村 哲, 吉本 潤一郎, 久保 孝富, 福嶋 誠, 日永田 智絵 |
|
title:concept formation of emotions using visual, biological, and verbal information
abstruct : In symbolic emergent robotics, the formation of object and place concepts by robots has been studied, but emotions have not been dealt with much. One of the reasons for this is that robots do not have internal organs, so they cannot handle internal receptive senses well, which are considered to be necessary for emotional concepts. Therefore, in this study, instead of bottom-up learning by a robot, we use a human as a target to form an emotional concept by acquiring biological information from the human through stimulus presentation. Specifically, we present an image to a person as a visual stimulus, and use the image, physiological responses (heartbeat, skin resistance, body temperature), and verbal information as impressions of the image to perform clustering using mMLDA. The categories formed by this clustering represent concepts, and by using this model to form concepts, it is possible to predict each modality through concepts. In other words, this study proposes a concept formation model for emotions using mMLDA, and provides suggestions for human emotion concepts based on the co-occurrence relationship of each modality language of the presentation: Japanese 発表題目:視覚・生体・言語情報を用いた感情の概念形成 発表概要:これまで記号創発ロボティクスでは、ロボットによる物体概念や場所概念形成の研究が行われてきたが、感情についてはあまり扱われていない。これは、ロボットが内臓を有していないため、感情概念に必要だと考えられる内受容感覚を上手く扱うことができないことが原因の1つである。そこで本研究では、ロボットによるボトムアップ学習ではなく、人を対象とし、刺激提示により人の生体情報を取得することによって感情の概念形成を行う。具体的には、人に視覚刺激として画像を提示し、その際の画像と生理的反応（心拍・皮膚電気抵抗・体温）および画像に対する印象としての言語情報を用いて、mMLDAを用いたクラスタリングを行う。このクラスタリングによって形成されたカテゴリが概念を表し、本モデルで概念形成を行うことで、概念を通じた各モダリティの予測を行うことができる。即ち本研究は、mMLDAを用いた感情の概念形成モデルを提案するとともに、各モダリティの共起関係に基づく人の感情概念についての示唆を与えるものである。 | |||
| 松本 貴志 | M, 2回目発表 | 数理情報学 | 池田 和司, 中村 哲, 吉本 潤一郎, 久保 孝富, 福嶋 誠, 日永田 智絵 |
|
title: Construction of emotional response models to visual stimuli
abstract: Damasio's definition of emotion is a physical reaction triggered by stimuli. In the human feeling mechanism, it is considered that there is a close relationship between emotional reactions and feelings. In order to make robots have human-like feeling mechanism, emotional response models are necessary. Although there are some findings on emotional response models, they do not correspond to real data. Therefore, the purpose of this study is to construct emotional response models using real data. language of the presentation: Japanese 発表題目: 視覚刺激に対する情動反応モデルの構築 発表概要: ダマシオによる情動は，刺激によって引き起こされる身体反応の事で，それを認知したものが感情である． 人間の感情メカニズムでは情動反応と感情の間には深いかかわりがあると考えられている． ロボットに人間のような感情メカニズムを持たせるためには情動反応モデルが必要になる． 情動反応モデルに関する知見はいくつか存在するものの，実データには対応していない． そこで，本研究では，実データを用いた情動反応モデルの構築を目的とする． | |||