| 山﨑 心 | M, 1回目発表 | ディペンダブルシステム学 | 井上 美智子, 笠原 正治, 江口 僚太 |
|
title: Study of Solvability for The Uniform k-Partition Problem in Population Protocol. abstract: In recent years, autonomous distributed systems consisting of low-performance devices such as molecular robots and sensor networks have attracted much attention. However, the functional limitations of these devices are a major challenge, and it is known that there are no distributed algorithms that solve them in some problem settings. In this study, we consider the uniform k-decomposition problem in the population protocol model. Uniform k-partitioning divides a group of devices into k disjoint groups of the same size. This problem can be used for role, task, and responsibility distribution for example, and can be exploited to efficiently utilize a group of low-performance devices. The population model is an abstraction of a network composed of mobile devices with highly constrained computing power. It has been proven that the uniform k-partition problem is unsolvable if agents start execution from arbitrary states. In this study, we examine how this problem can be solved by extensions such as giving agents initial knowledge and introducing oracles into the model. language of the presentation: Japanese 発表題目: 個体群プロトコルにおける一様k分割問題の可解性に関する研究 発表概要: 近年，分子ロボットやセンサネットワークのような低性能デバイスから構成される自律分散システムが注目されている．しかし，これらのデバイスの機能制限は大きな課題であり，既存の分散システムのアルゴリズムを用いることができない点が問題である． 本研究では，個体群プロトコルモデルにおける一様k分割問題を考える．一様なk分割は，デバイスのグループを同じサイズのk個のグループに分割する．この問題は，役割，タスク，責任の分配などに利用可能で, 低性能デバイス群を効率よく利用するために利用可能である.個体群プロトコルモデルは，計算能力の制約が大きい移動端末からなるネットワークを抽象化したものである． エージェントが任意の状態から実行を開始する場合，一様k分割問題は解けないことが証明されている．本研究では，エージェントに初期知識を与える, モデルにオラクルを導入するなどの拡張により，この問題がどのように解けるようになるかを検討する． | |||
| 石原 実 | M, 1回目発表 | 光メディアインタフェース | 向川 康博, 松原 崇充, 舩冨 卓哉, 藤村 友貴, 北野 和哉 |
|
title: The soil-moisture estimation system using IR cameras abstract: The problem of heavy machinery getting stuck in soils with high moisture content is a common problem in in land-based disaster. Moisture measurement methods using IR cameras have been proposed against these problems. In this research, we constructed and inspected the system that accumulates and analyses data from IR cameras. title: The soil-moisture estimation system using IR cameras 発表題目: 赤外線カメラによる土壌水分推定システム 発表概要: 本研究は遠隔地から土壌の含水状態を監視するシステムを提案する。土砂災害の復旧において、水分量を多く含む土壌で重機がスタックしてしまうという問題が存在する。その問題に対し本研究では、赤外線カメラからのデータを集積し、解析・可視化するシステムを構築し検証を行い、遠隔地から土壌水分の測定が可能であることを確認した | |||
| 竹原 晃多 | M, 1回目発表 | 数理情報学 | 池田 和司, 松原 崇充, 久保 孝富, 日永田 智絵 |
|
title: Creation of a mathematical model that enables quantitative expression of self-efficacy
abstract: Self-efficacy is the perception that one can succeed and is believed to have a significant impact on an individual's behavior, performance, and motivation. However, it has not been quantitatively expressed. Therefore, we introduce an initial model to build a mathematical model construction that enables quantitative expression. language of the presentation: Japanese 発表題目: 自己効力感を定量的に表現することを可能にする数理モデル作成 発表概要: 自己効力感は、成功する能力があるという認識であり、個人の行動、パフォーマンス、モチベーションに大きな影響を与えると考えられている。しかし、 定量的な表現はされていない。そこで、定量的な表現を可能にする数理モデル構築を構築するための初期モデルを紹介する。 | |||
| 上原 勲紀 | M, 1回目発表 | 数理情報学 | 池田 和司, 川鍋 一晃（客員教授）, 杉本 徳和（客員准教授）, 田中 沙織 |
|
title: Reward Learning from Ambiguous Feedback and Reinforcement Learning Based on It
abstract: ChatGPT is currently spreading around the world, and one of the key technologies used is a learning process called RLHF (Reinforcement Learning from Human Feedback). This is a learning process that allows human value criteria to be reflected. However, this process is unreliable because it is based on human judgment of whether the data is good or bad. PU learning (Positive and Unlabeled Learning) is a learning method for unreliable data. This is a learning method that can handle inaccurate human labeling. Therefore, this research aims to develop algorithms that improve the performance of RLHF and ChatGPT by combining this learning method and others. language of the presentation: *** English or Japanese (choose one) *** 発表題目: あいまいなフィードバックからの報酬学習とそれに基づく強化学習 発表概要: 現在、ChatGPTが世界中で広まっているが、この中の重要な技術としてRLHF（Reinforcement Learning from Human Feedback）と呼ばれる学習プロセスが用いられている。これは、人間の価値基準が反映されるための学習プロセスのことである。しかしながら、これはデータの良し悪しを人が判断するため、信頼性に欠けるという問題がある。そこで、信頼がおけないデータに対する学習方法として、PU学習（Positive and Unlabeled Learning）がある。これは、人のラベル付けが不正確であっても取り扱うことができる学習方法になる。したがって、本研究では、この学習方法などを組み合わせることで、RLHFやChatGPTの性能を向上させるアルゴリズムを開発することを目指している。 | |||
| HARLAND FITRIADI AMIN | M, 1回目発表 | サイバーレジリエンス構成学 | 門林 雄基, 岡田 実, 妙中 雄三 |
|
Title: Toward Scalable LoRa Like Network
Abstract: LoRaWAN as option in Low Power Wide Area Network field, has attract researcher, industry, hobbyist to use it. The reason is because LoRa operate in unlicensed frequency band, wide coverage, and very low power consumption. Yet many wide dense deployment plan (10k device/km2) and realization discrepancies. One of the obstacles is high inter-interference. Spreading factor that being used turn out to be quasi orthogonal that lead to low Data Extraction Rate (DER). This work aims to increase the scalability of lora physical layer up to 10k devices/km2 by having data extraction rate > 90%. To assess the proposed enhancement, simulations of the physical layer will be conducted using MATLAB. Initial experiments have demonstrated a 100% Data Extraction Rate (DER) in small-scale simulations, laying a promising foundation for scaling up. Language of the presentation: English | |||