logo main logo main
  • 研究シーズ
    • 研究シーズ条件検索
    • 研究シーズ一覧
    • キーワード一覧
  • 学部学科一覧
    • 工学部
      • 都市デザイン工学科
      • 建築学科
      • 機械工学科
      • 電気電子システム工学科
      • 電子情報システム工学科
      • 応用化学科
      • 環境工学科
      • 生命工学科
      • 一般教育科
      • 総合人間学系教室
      • ナノ材料マイクロデバイス研究センター
      • インキュベーションラボ
      • その他
    • ロボティクス&デザイン工学部
      • ロボット工学科
      • システムデザイン工学科
      • 空間デザイン学科
      • その他
    • 情報科学部
      • 情報知能学科
      • 情報システム学科
      • 情報メディア学科
      • ネットワークデザイン学科
      • データサイエンス学科
      • その他
    • 知的財産学部
      • 知的財産学科
      • 知的財産研究科
    • その他
      • 教務部
        • 教職教室
        • 教育センター
        • ランゲージラーニングセンター
        • その他
      • 情報センター
      • 八幡工学実験場
      • ものづくりセンター
      • ロボティクス&デザインセンター
      • 学部 – その他
  • 協力機関コーナー
    • 大阪産業技術研究所
    • 大阪商工会議所
    • 大阪信用金庫
  • 特集コーナー
    • 動画コーナー
logo main logo main
  • 研究シーズ
    • 研究シーズ条件検索
    • 研究シーズ一覧
    • キーワード一覧
  • 学部学科一覧
    • 工学部
      • 都市デザイン工学科
      • 建築学科
      • 機械工学科
      • 電気電子システム工学科
      • 電子情報システム工学科
      • 応用化学科
      • 環境工学科
      • 生命工学科
      • 一般教育科
      • 総合人間学系教室
      • ナノ材料マイクロデバイス研究センター
      • インキュベーションラボ
      • その他
    • ロボティクス&デザイン工学部
      • ロボット工学科
      • システムデザイン工学科
      • 空間デザイン学科
      • その他
    • 情報科学部
      • 情報知能学科
      • 情報システム学科
      • 情報メディア学科
      • ネットワークデザイン学科
      • データサイエンス学科
      • その他
    • 知的財産学部
      • 知的財産学科
      • 知的財産研究科
    • その他
      • 教務部
        • 教職教室
        • 教育センター
        • ランゲージラーニングセンター
        • その他
      • 情報センター
      • 八幡工学実験場
      • ものづくりセンター
      • ロボティクス&デザインセンター
      • 学部 – その他
  • 協力機関コーナー
    • 大阪産業技術研究所
    • 大阪商工会議所
    • 大阪信用金庫
  • 特集コーナー
    • 動画コーナー
logo main logo light
研究シーズを検索
  • 研究シーズ
    • 研究シーズ条件検索
    • 研究シーズ一覧
    • キーワード一覧
  • 学部学科一覧
    • 工学部
      • 都市デザイン工学科
      • 建築学科
      • 機械工学科
      • 電気電子システム工学科
      • 電子情報システム工学科
      • 応用化学科
      • 環境工学科
      • 生命工学科
      • 一般教育科
      • 総合人間学系教室
      • ナノ材料マイクロデバイス研究センター
      • インキュベーションラボ
      • その他
    • ロボティクス&デザイン工学部
      • ロボット工学科
      • システムデザイン工学科
      • 空間デザイン学科
      • その他
    • 情報科学部
      • 情報知能学科
      • 情報システム学科
      • 情報メディア学科
      • ネットワークデザイン学科
      • データサイエンス学科
      • その他
    • 知的財産学部
      • 知的財産学科
      • 知的財産研究科
    • その他
      • 教務部
        • 教職教室
        • 教育センター
        • ランゲージラーニングセンター
        • その他
      • 情報センター
      • 八幡工学実験場
      • ものづくりセンター
      • ロボティクス&デザインセンター
      • 学部 – その他
  • 協力機関コーナー
    • 大阪産業技術研究所
    • 大阪商工会議所
    • 大阪信用金庫
  • 特集コーナー
    • 動画コーナー
研究シーズを探す
カテゴリー・キーワードから探す
SDGsの分類
  • 1. 貧困をなくそう
  • 2. 飢餓をゼロに
  • 3. すべての人に健康と福祉を
  • 4. 質の高い教育をみんなに
  • 5. ジェンダー平等を実現しよう
  • 6. 安全な水とトイレを世界中に
  • 7. エネルギーをみんなに そしてクリーンに
  • 8. 働きがいも経済成長も
  • 9. 産業と技術革新の基盤をつくろう
  • 10. 人や国の不平等をなくそう
  • 11. 住み続けられるまちづくりを
  • 12. つくる責任 つかう責任
  • 13. 気候変動に具体的な対策を
  • 14. 海の豊かさを守ろう
  • 15. 陸の豊かさも守ろう
  • 16. 平和と公正をすべての人に
  • 17. パートナーシップで目標を達成しよう
  • 該当無し
テーマの分類
  • IT・IoT・AI・ロボティクス
  • 建築
  • 土木・社会基盤
  • エネルギー・環境
  • ライフサイエンス
  • ものづくり・製造技術
  • ナノ・材料
  • デザイン
  • 人文学
  • 自然科学
  • 該当無し
学部・学科の分類
  • 工学部
    • 都市デザイン工学科
    • 建築学科
    • 機械工学科
    • 電気電子システム工学科
    • 電子情報システム工学科
    • 応用化学科
    • 環境工学科
    • 生命工学科
    • 一般教育科
    • 総合人間学系教室
    • ナノ材料マイクロデバイス研究センター
  • ロボティクス&デザイン工学部
    • ロボット工学科
    • システムデザイン工学科
    • 空間デザイン学科
  • 情報科学部
    • 情報知能学科
    • 情報システム学科
    • 情報メディア学科
    • ネットワークデザイン学科
    • データサイエンス学科
    • その他
  • 知的財産学部
    • 知的財産学科
  • 教務部
    • 教育センター
    • ランゲージラーニングセンター
  • 情報センター
  • 八幡工学実験場
  • ものづくりセンター
  • 該当無し
キーワード
  • リキッドマーブル
  • 抱きかかえ制御
  • 介護ロボット
  • 乳酸菌
  • 遺伝的アルゴリズム
  • フランクル
  • センシング
  • 教育
  • 動脈硬化
  • コミュニケーション支援
  • デザイン
  • 安全
  • アプリケーション
  • 骨伝導ヘッドフォン
  • 成長促進
  • 飲料水
  • マルチエージェントシミュレーション
  • 露出補正
  • 色
  • 譲歩・対比

すべてのキーワードを見る

ホームドロップアウトデザインの実装と深層学習への適用
SDGsの分類
研究テーマ
IT・IoT・AI・ロボティクス自然科学
学科の分類
情報科学部情報システム学科

ドロップアウトデザインの実装と深層学習への適用

情報科学部

情報システム学科

離散数理研究室

地嵜頌子 講師

共同研究者

熊澤努
中川智之
室井浩明
渡邉卓也
深層学習組合せデザイン

深層学習とは機械学習の手法の一つであり、近年、様々な分野で活用されている. 深層学習において, 訓練データに対しては高い性能を示す一方で, 未知のデータに対する汎化性能が向上しなくなる過学習と呼ばれる現象が問題になっている. この問題を緩和する正則化技法の一つとして, ドロップアウト法が広く知られている. 筆者, 藤原, 宮本 [1] はドロップアウト法に対して, 実験計画法の考えを基とし, 新たな組合せ構造(ドロップアウトデザイン)を提案した. 本研究では, ドロップアウトデザインを実装し, 実際の深層学習に用いて実験を行う [3].

研究背景

筆者, 藤原, 宮本 [1] は実験計画法で用いられるブロックデザインを深層学習に活用するため, 多層ニューラルネットワークに適用される新たな組合せ構造であるドロップアウトデザインを提案した. これは, 訓練においてランダムにノードを不活性化させるドロップアウト法に対して, 1エポックにおけるノードの活性化回数と重みの更新頻度をそれぞれ均等にする組合せ構造になっている. また, ドロップアウトデザインは, 一部実施2元配置実験において最適性を示す組合せデザイン Incomplete Split-Block Design を拡張した組合せデザインである. 本研究では, 実際の深層学習にドロップアウトデザインを用いて実験することで, デザインの性質や正則化への影響について明らかにすることを目的としている.

ドロップアウトデザイン

本研究で使用した組合せデザインであるドロップアウトデザインの定義と具体例を述べる.

定義.

\(V_1,V_2,\ldots,V_n\) をそれぞれ要素数 \(v_1,v_2, \ldots,v_n\) の異なる点集合とし, ブロック集合 \(\mathcal{B}\) を
\[
\mathcal{B} = \{ \{B_1 | B_2 | \cdots | B_n \} | \ B_i \subset V_i, B_i \neq \emptyset,\ 1\le i \le n \}
\]
とする. 各\(B_i\)をサブブロックと呼ぶ. \(\mathcal{B}\)のうち, 連続する\(t\) 個の点集合におけるサブブロックの集合を
\[
\mathcal{B}|_{V_{i}V_{i+1}\cdots V_{i+t-1}} = \{ \{B_i | B_{i+1} | \cdots | B_{i+t-1}\} | \ B_j\subset V_j \},\ i=1,\ldots,n-t+1
\]
とする. このとき, 次の二つの条件を満たす\( (V_1,V_2, \ldots,V_n ; \mathcal{B})\)を\((d_1,d_2, \ldots,d_t)\)型 ドロップアウトデザインという.

(i) \(1 \leq i \leq n-t+1\) について, 各\(V_j,  i \leq j \leq i+t-1\), の任意の\(d_j\) 個の点を同時に含むブロックが\(\mathcal{B}|_{V_{i}V_{i+1} \cdots V_{i+t-1}}\)の中にちょうど\(\lambda^{(i)}\)個存在する

(ii) 各 \(0 \le g_j \le d_j,\ i\le j \le i+t-1, \ g_i+g_{i+1}+\cdots + g_{i+t-1}\ge 1\), に対して,各\(V_j\)の中の任意の\(g_j\)個の点を含む \(\mathcal{B}|_{V_{i}V_{i+1}\cdots V_{i+t-1}}\)中のブロックの数は選択する点に依存しない.

例.

点集合をそれぞれ \(V_1=\{0,1,2,3\}, V_2=\{ {\it 0,1,2,3}\}, V_3=\{ {\bf 0,1,2,3,4,5}\}\) とする.
以下のブロック集合は\((2,1)\)型 ドロップアウトデザインをなし, 会合数\(\lambda_{2,1}^{(1)} = \lambda_{2,1}^{(2)} = 1\)を持つ. 任意の3点 \(x,y \in V_1, {\it z} \in V_2\) また \({\it x,y}\in V_2,\ {\bf z} \in V_3\)はちょうど1つのブロックに含まれることが確認できる.
\[
\begin{array}{llll}
\{0,1\ |\ \it{1,2}\ |\ \bf{0,1,2}\}, &
\{2,3\ |\ \it{1,2}\ |\ \bf{3,4,5}\}, &
\{1,3\ |\ \it{1,3}\ |\ \bf{1,2,5}\}, &
\{0,2\ |\ \it{1,3}\ |\ \bf{0,3,4}\}, \\
\{1,2\ |\ \it{0,1}\ |\ \bf{1,2,4}\}, &
\{0,3\ |\ \it{0,1}\ |\ \bf{0,3,5}\}, &
\{1,2\ |\ \it{2,3}\ |\ \bf{0,2,3}\}, &
\{0,3\ |\ \it{2,3}\ |\ \bf{1,4,5}\}, \\
\{1,3\ |\ \it{0,2}\ |\ \bf{0,4,5}\}, &
\{0,2\ |\ \it{0,2}\ |\ \bf{1,2,3}\}, &
\{0,1\ |\ \it{0,3}\ |\ \bf{0,1,3}\}, &
\{2,3\ |\ \it{0,3}\ |\ \bf{2,4,5}\}.
\end{array}
\]

 ドロップアウトデザインの主な構成法として直交配列や有限幾何を用いた構成法が知られている [1, 2]. また, ここでは, 深層学習やドロップアウト法についての詳細は省略する.

 本実験は, 有限アフィン幾何を用いて構成される(1,2)型かつ(2,1)型ドロップアウトデザインを用いて実施した. この構成法から生成されるデザインによるモデルは, 素数ベキ \(q\), 整数 \(t\), \(d \leq 3\) について, 層数 \(q^{d-t}\), 各層のノード数 \(q^t\), ドロップアウト率は \(1 – 1/q\) をもつ.

 ドロップアウトデザインの点集合をネットワークにおけるノードの集合に対応させ, ブロックを一つのミニバッチで学習する部分ネットワークとする. 各ノードに番号付を仮定し, サブブロックで活性化するノードを指定する. 1エポックで各ブロックを一度ずつ重みの更新に使用する. また, エポック終了時にブロックの順序を巡回させるブロックシフトと, 順序を固定したまま使用する2通りの方法を実施した.

実験の目的・設定

本実験の目的は, ドロップアウトデザインによる正則化とドロップアウト法による正則化の効果に違いがあるか比較検討し, ドロップアウトデザインの性質を調べることである. 

 本実験では, 深層ニューラルネットワークの全結合層 に対して, 訓練時の性能と, テストデータを用いた時の汎化性能の評価を行った. 性能評価は, ドロップアウト デザインを用いた正則化を施した場合, ドロップアウト 法を用いた正則化を施した場合, 正則化を行わない場合 を対象とした. データセットにはCIFAR-10を使用し, 実験には, CPU にIntel Xeon W-2133 (3.60GHz), GPU に NVIDIA TITAN RTX を備えたマシン(Keras 2.3.1,Tensorflow 2.1.0)と, CPU に Intel Xeon W-2245 (3.90GHz),GPU に NVIDIA TITAN RTX を備えたマシン(Keras 2.4.3,Tensorflow 2.3.0)を使用した.  ネットワーク構成はMLPとし, 全結合層にのみドロップアウトデザイン及びドロップアウト法を適用した. 各ネットワークの損失関数には交差エントロピーを, パラメータの更新には確率的勾配降下法(SGD)を使用した. また, 入力層と全結合層の活性化関数は ReLU 関数とし, 出力層の活性化関数は Softmax 関数とした. 

 MLPの全結合層を2, 3, 4 層にした場合の実験を行った. その中でも3層の結果を次節に示す. このとき, 上述の通り, 1層のノード数 128, 1層の活性化ノード数 64, ドロップアウト率 0.5 となる. 学習は500エポックとし, テストデータに対する精度と交差エントロピーに基づく損失を評価した. 精度と損失はテストデータの正解クラスについて求めた. 実験はそれぞれ10回ずつ実施した結果について評価した.

実験の結果

実験において測定した値は, 10 回の実験に対する精度の平均と標準偏差,損失の平均と標準偏差である. 加えて,第 51 エポックから 第 500 エポックまでの各エポックについて,そのエポッ クを含む過去 50 エポックの区間に対する精度と損失の分散を算出した. これは, 訓練の進行に伴う,実験ごとの汎化性能の収束の違いを評価する指標である. 各グラフは, 正則化を行わなかった結果(w/o dropout),ド ロップアウト法による正則化を行った結果(dropout),ドロップアウトデザインによる正則化において, ブロックシフトを適用した場合(design(bs))と適用しない場合(design)の結果をそれぞれ示している. グラフの横軸はエポック数である.

 ここでは3層の結果のみを下図に示す. その他の結果は[3] を参照されたい.  実験を実施した4種類のネットワーク構成について,すべてのネットワークについてドロップアウト法と同程度の汎化性能を示すことを確認した. 一方で,ドロップアウトデザインに固有の特徴的な結果は観察されなかった. ドロップアウトデザインを適用する際のブロックシフトの有無についても, 実験結果に大きな差異は見られなかった. このことからブロックの使用順序は汎化性能に影響しないと考えられる.

 

平均精度(訓練)
平均精度(テスト)
AnyConv.com__statistics_training_mlp_4_128_64_10_500_cifar10_shuffle_loss_avg
平均損失(訓練)
平均損失(テスト)
精度の標準偏差(訓練)
精度の標準偏差(テスト)
損失の標準偏差(訓練)
損失の標準偏差(テスト)
50 エポック区間の精度分散(訓練)
50 エポック区間の精度分散(テスト)
50 エポック区間の損失分散(訓練)
50 エポック区間の損失分散(テスト)
AnyConv.com__legend

今後の発展

本研究では, ドロップアウトデザインを用いた正則化法を 多層パーセプトロンに適用した. ランダム手法であるドロップアウト法と同程度の汎化性能を示したが, ドロップアウトデザイン固有の特徴は本実験では観察されなかった. これらのことは,訓練時に使用したドロップアウトデザインが持つ組合せ構造に基づいた ネットワークと,従来のドロップアウト法における無作為な構造との間に, 関係性があることを示唆していると考えられる. ドロップアウトデザインの分析を通じて,組合せ構造を用いてドロップアウト法を理解する研究が進むものと期待される.

 今回, ドロップアウトデザインから構成されるネットワークのパラメータはデザインの構成法に大きく依存していた. 今後の課題として, より柔軟なパラメータを持つドロップアウトデザインを構成・実装し実験する必要がある. また, (1,2)型かつ(2,1)型のドロップアウトデザインに限定した実験であったため, 一般に型の与える影響については調べられていない. こちらについても今後の課題としていきたいと考えている.

参考文献

[1] S. Chisaki, R. Fuji-Hara & N. Miyamoto: Combinatorial Designs for Deep Learning, Journal of Combinatorial Designs, 28(9),633 – 657, 2020. https://doi.org/10.1002/jcd.21720

[2] S. Chisaki, R. Fuji-Hara & N. Miyamoto:  N. A construction for circulant type dropout designs. Designs, Codes and Cryptography, 89, 1839–1852 (2021). https://doi.org/10.1007/s10623-021-00890-8

[3] 熊澤 努, 地嵜 頌子, 中川 智之, 室井 浩明, 渡邉 卓也: 深層学習における正則化へのドロップアウトデザインの適用, ソフトウェア・シンポジウム 2022論文集, 1-10, 2022 (最優秀論文賞 ソフトウェア・シンポジウム2022).

研究者INFO: 情報科学部 情報システム学科 離散数理研究室 地嵜頌子 講師

研究シーズ・教員に対しての問合せや相談事項はこちら

技術相談申込フォーム
SDGs
研究テーマ
  • IT・IoT・AI・ロボティクス
  • 建築
  • 土木・社会基盤
  • エネルギー・環境
  • ライフサイエンス
  • ものづくり・製造技術
  • ナノ・材料
  • デザイン
  • 人文学
  • 自然科学
  • 該当無し
学部・学科
  • 工学部
    • 都市デザイン工学科
    • 建築学科
    • 機械工学科
    • 電気電子システム工学科
    • 電子情報システム工学科
    • 応用化学科
    • 環境工学科
    • 生命工学科
    • 一般教育科
    • 総合人間学系教室
    • ナノ材料マイクロデバイス研究センター
  • ロボティクス&デザイン工学部
    • ロボット工学科
    • システムデザイン工学科
    • 空間デザイン学科
  • 情報科学部
    • 情報知能学科
    • 情報システム学科
    • 情報メディア学科
    • ネットワークデザイン学科
    • データサイエンス学科
    • その他
  • 知的財産学部
    • 知的財産学科
  • 教務部
    • 教育センター
    • ランゲージラーニングセンター
  • 情報センター
  • 八幡工学実験場
  • ものづくりセンター
  • 該当無し
キーワード
  • フランクル
  • 抱きかかえ制御
  • 飲料水
  • 露出補正
  • 色
  • マルチエージェントシミュレーション
  • リキッドマーブル
  • コミュニケーション支援
  • 介護ロボット
  • 遺伝的アルゴリズム
  • 安全
  • アプリケーション
  • 動脈硬化
  • 教育
  • 譲歩・対比
  • センシング
  • 成長促進
  • デザイン
  • 乳酸菌
  • 骨伝導ヘッドフォン

すべてのキーワードを見る

同じカテゴリーの研究シーズ

+2
上田 整

弾性数理解析による材料設計

数理固体力学は材料・機械・建築・土木工学に限らず、広い応用分野の様々な現象に対応しているが、その応用の根幹となるのは「線形弾性力学」である。この弾性力学は応用の目的や現象に合わせて基礎微分方程式を解くことに帰着される。  本研究室では、苛酷な使用条件下にある機械・構造物の材料設計および安全性・信頼性評価を目的として、材料の電気・熱・力学的挙動を解明している。恩師から頂いた言葉「弾性体の平衡の問題においては、非常に一般的な大定理を打ち立てるよりは、種々の特解を求めて集積することで知識はもたらされる」を胸に、以下に示すような破壊力学解析を実施し、弾性数理解析の学問分野の確立を目指している。

+3
井原 之敏

多軸制御工作機械の加工精度向上

除去加工を行う工作機械は、機械の精度が悪いと加工方法や工具がどんなに良いものを使用しても加工されたものの精度はよくなりません(母性原理)。しかし、機械そのものの精度はあまり見えてこないのが実情です。特に多軸制御工作機械は機械そのものの精度を検査する方法も定まったものが存在しませんでした。そこで私たちの研究室では機械の運動精度を検査する方法を提案し実施することでまず機械の精度を保証し、そのうえで加工方法について提案と検証を行っています。

羽賀 俊雄

鋳造鍛造によるリサイクルAl-Mg合金の機械的性質の改善

AC7AのようなAl-Mg合金は,鋳造したままで塑性加工や熱処理をせずに良好な機械的性質が得られる.つまり省エネルギーの利点がある.本研究では,AC7A合金機械的性質に対する,鋳造時の冷却速度影響,不純物Feの混入の影響,熱間鍛造の影響について調査した.その結果,Al-Mg合金はFeの混入に対して強いロバスト性,つまり機械的性質の低下が小さいことが明らかになった.

+1
大井 翔

日常行動からの認知機能の評価方法に関する研究

高次脳機能障がい者に対するリハビリテーションにおいて,“気づき”を与えることは重要な課題であります.“気づき”を与えるためには,自身の体験映像と現状の認知状態を定量的にした点数を振り返る必要があります.しかし,従来の認知状態を把握するためにはBADSやD-CATと呼ばれる検査キットで把握するため,リアルタイムな状態を把握することが困難で,毎日検査キットを利用することは難しいです.本研究では,日常行動(調理や掃除など)から認知状態を把握する指標を提案し,リアルタイムかつ日々の認知状態の取得を目的として研究しています.

平山 亮

ディスプレイから音が聞こえるデジタルサイネージシステム

公共施設や店舗等で使うデジタルサイネージ(電子看板)の音響提示技術である。従来の電子看板ではパネル周辺にスピーカーを埋め込んでいたため、音が放射状に広がり、周囲に音漏れして迷惑をかけることがあり、また、音響の臨場感が不足していた。本技術では超指向性パラメトリックスピーカーを天井等に設置しパネル面に反射させて利用者の耳に届けることで、周囲への音漏れがなく、パネルそのものから音が出ていると感じさせるデジタルサイネージシステムを実現した。

+2
小林 裕之

既設照明によるかんたん屋内定位技術 CEPHEID(セファイド)

屋内に設置されている照明光は、多くの場合個体差があります。「部屋A」と「部屋B」の照明機器はたとえ同一モデルであっても微妙な個体差があるのです!もちろん人間が目で見てわかる違いではありません。本技術はそれをAIで識別し、屋内の位置推定に用います。

+1
野田 哲男

産業用ロボットの新しい価値基準の定義

今後,これまでの量産システムだけではなく,究極には一品物の生産に至るまでロボットを活用することが期待されている. 本研究では,生産機種切り替えの迅速化,設備の完全再利用といった新しい価値基準を定義し,その達成度を競う競技会で分野啓発を試みる.

平原 将也

外部刺激に応答する分子触媒

本イノベーションの触媒は外部刺激(可視光・熱)に応答して触媒の分子構造が変化する。分子構造の変化に対応して、触媒活性が変化できる新奇な反応系である。この触媒は光を化学エネルギーに変換する人工光合成や、有機分子の酸化反応に展開が可能である。

水谷 泰治

Processing言語を用いた学習用並列プログラミング環境の提案

マルチコアCPUの性能を最大限に活用してプログラムを高速実行するためには並列プログラムを作成する必要がある。しかし、一般に並列プログラミングの学習は初学者にとっては容易ではない。その理由として、数値計算問題を題材とすること、および大規模な計算でない限り並列化の効果を実感できないことから、初学者の興味を維持しにくいことが考えらえる。本研究では並列化の効果を体感しやすく、かつ、平易な教材を扱える並列プログラミングの学習環境としてProcessing言語を用いた図形アニメーションプログラムのための並列化フレームワークを提案する。

原嶋 勝美

ソフトウェアエージェントによる社会シミュレーション

 複雑な社会の動きの完璧な予測や、瞬間的な社会の状態の正確な把握は、AIを用いても極めて困難である。一方で、生物や人間など多くのシステムは、動的かつ予測不能な局面において極めて柔軟に対処している。 本研究では、様々な生物や物体を模擬したソフトウェア(エージェント)を作成し、エージェントの自律行動や相互作用によって、社会に実在する問題や、現実では実現しにくい社会環境での生物の振る舞いなどを検証する。

姜 長安

非把持双腕ロボットによる摩擦力補償無しでの抱きかかえ制御

本研究では,力学的な本質を失わず,3次元運動を2次元運動に簡略化し,要介護者を二つの関節を持った3リンクの物体とみなす.そして,非把持双腕ロボットアームとリンクの間の静止摩擦を利用し,3リンク物体がロボットアームから滑り落ちないための安定領域を求め,その中に摩擦力が最も小さくなる姿勢を求める.得られた最適な角度を用いて,ロボットの抱きかかえ制御を行い,3リンク物体の安定支持が実現できることを示す.

+1
平山 亮

視覚障害者の映画鑑賞のための骨伝導ヘッドフォンによる音声ガイド配信

視覚障害者が映画鑑賞するとき,セリフとセリフの間に説明音声が流れる音声ガイドをヘッドフォンで聴取する方法が主流であるが、ヘッドフォンで耳を塞いでしまうため、映画館のマルチチャンネル臨場感音声を楽しめないという問題があった。そこで、音声ガイドを耳を塞がない骨伝導ヘッドフォンで聞き、映画館の臨場感音声は直接耳で聞くシステムを開発した。

田岡 育恵

オクシモロンの謎―意味の矛盾と伝達効果

オクシモロンとは「小さな巨人」のように反対の意味が同じ対象に適用されるレトリックである.「小さくて大きいものは何だ?」とすれば「なぞなぞ」にもなり得るが,字義通りに考えれば反対語が共起しているのだから矛盾することになる.しかし,実際には意味解釈に支障は来さない.それどころかこのレトリックならではの伝達効果がある.オクシモロンの構造,伝達効果は私の研究テーマの一つである.

+3
前元 利彦

未来の生活を変える新機能デバイスの開発

今まで半導体として利用されてきたシリコンに比べて異なる性質のもつ半導体や、透明でしなやかな材料を研究することで、新しい機能を持った素子の実現を目指します。たとえば、酸化物半導体に関する研究では透明なディスプレイ・情報端末を実現するための技術や、自在に曲げられるデバイス・センサに関する研究を進めています。これらの技術は未来の生活の利便性を大幅に高めます。

神納 貴生

微弱特徴の可視化によるX線画像診断

社会インフラを支える工業製品など,簡単に停止して点検できないものは多く,それらは非破壊検査によって点検される.非破壊検査の一つとして,X線画像診断が挙げられる.X線は物体の透過率の違いにより内部構造を写し出せるが,X線が透過し難い金属などで覆われている場合,写し出せる内部構造の像は薄くはっきりとしないものとなる.これまで個別の工業製品に対するX線画像診断は熟練工の目視技術によって成り立っていたが,本技術は熟練工が確認する特徴を可視化して誰もが頑健に検査できるようにする.

中西 淳

文脈を考慮した類語検索システムの開発

英語学習者が書いた英作文を調べると,英語母語話者に比べて多様な語彙を十分に使用できていない傾向にある。単語の意味を知っていても,その語をどのような文脈で使用できるかについての知識が不足しており,限られた単語ばかりを使って英作文をしていることが多い。この問題を解決するため,本研究では,近年注目を浴びているニューラルネットワークの技術を用いた「類語検索システム」を開発し,英語学習者の語彙の多様性を高めるための学習支援への活用の可能性を探る。

+3
森實 俊充

メカトロニクス技術、パワーエレクトロニクス技術を用いた電気機器の効率的な利用法

電気機器の利用は他分野に渡っており、その効率的な利用法が求められています。それぞれの電気機器は直流あるいは交流が用いられていますが、近年のパワーエレクトロニクス技術の発展により電力変換機器を用いて直流と交流の電圧や電流、周波数や位相を自由に変換することが出来るようになりました。本研究室では 様々な電気機器を用いて電気を作るから使うまで、効率的な利用法を研究しています。

奥 宏史

ドローンの閉ループシステム同定によるモデリングと飛行制御

幅広い産業でビッグデータの活用が進んでいるが,予測・診断・制御・意思決定の精度向上に際してモデルの重要性が近年ますます高まっている.データエンジニアリングのひとつの分野として,システム同定法によるデータ駆動モデリングについて紹介する.具体例として,MOESP型閉ループ部分空間同定法(CL-MOESP)によるドローンの閉ループ同定と,得られた同定モデルを利用した最適制御器設計の事例研究を紹介する.

塚本 勝俊

電波を効率よく利用するヘテロジニアスワイヤレスシステム

Beyond 5Gなどの将来のワイヤレスアクセスネットワークにおけるフロントホールの課題に、無線アクセス区間の広帯域化に伴うMIMOアンテナ数の増加やIoT基盤への応用に起因したフロントホール伝送容量の増大、 一層のスモールセル化に伴って発生する膨大な数のDU(分散無線ユニット)を有する基地局設備の設置、それらへのフロントホールリンク数の増大がある。これらに対する一つの解決策となるのが光ファイバの中に様々な電波に対して透明な自由空間を提供するRoF (Radio over Fiber) ネットワークである。RoFを用いることによってヘテロジニアスワイヤレスに汎用的に使用できるフロントホールと基地局が実現できる。また分散アンテナシステムの構築も容易となる。本シーズでは、RoFによる分散アンテナシステムを紹介し、それを用いた位置検出システムへの取り組みについて述べる。

中西 知嘉子

エッジAIで高精度画像認識・物体検出

組み込み市場では,運用コストやセキュリティー,リアルタイム性などの問題から,エッジ(端末側)で単独処理できる「エッジAI」が期待されている.その実現方法であるFPGAによるエッジAIは根強いニーズがありながら,デバイスが高価格,実装が難しい,量子化による性能劣化という問題点があった.そこで,我々は,低価格のデバイスをターゲットにし,推論アルゴリズムを解析することで,効率よくアクセラレートする回路をFPGAで実装,処理を最適化することで,低消費電力で高速な推論処理を実現している.

  • 研究シーズ
    • 研究シーズ条件検索
    • 研究シーズ一覧
    • キーワード一覧
  • 学部学科一覧
    • 工学部
      • 都市デザイン工学科
      • 建築学科
      • 機械工学科
      • 電気電子システム工学科
      • 電子情報システム工学科
      • 応用化学科
      • 環境工学科
      • 生命工学科
      • 一般教育科
      • 総合人間学系教室
      • ナノ材料マイクロデバイス研究センター
      • インキュベーションラボ
      • その他
    • ロボティクス&デザイン工学部
      • ロボット工学科
      • システムデザイン工学科
      • 空間デザイン学科
      • その他
    • 情報科学部
      • 情報知能学科
      • 情報システム学科
      • 情報メディア学科
      • ネットワークデザイン学科
      • データサイエンス学科
      • その他
    • 知的財産学部
      • 知的財産学科
      • 知的財産研究科
    • その他
      • 教務部
        • 教職教室
        • 教育センター
        • ランゲージラーニングセンター
        • その他
      • 情報センター
      • 八幡工学実験場
      • ものづくりセンター
      • ロボティクス&デザインセンター
      • 学部 – その他
  • 協力機関コーナー
    • 大阪産業技術研究所
    • 大阪商工会議所
    • 大阪信用金庫
  • 特集コーナー
    • 動画コーナー

研究シーズ・教員に対しての問合せや相談事項はこちら

技術相談申込フォーム
大阪工業大学 INNOVATION DAYS 2022 智と技術の見本市 研究支援社会連携センター
v

Facebook

Dribbble

Behance

Instagram

E-mail

© INNOVATION DAYS 2022 智と技術の見本市.