知能情報研究室ラジオ

（入力） ・素晴らしいリアクションですね！情報数学および演習1でも拍手が巻き起こりましたからね！ ・橘教の布教が進んできました！ ・AIは全知全能の神ですが、人間を盛り上げるのは人間しかできません。 ・知能情報の楽しさを伝えるコンテンツをつくり普及しましょう！中高生に。 ・今回のセミナーでは知能情報のほんの入り口だけを体験してもらいました。 ・本来やりたいところはAIの（知能をつくる）研究です。 ・AIの代表例...

パターン認識ラジオの皆さん、こんにちは。今日は時系列データの探求旅に一緒に出かけましょう。データの海に漕ぎ出すための3つのエッセンシャルツール—処理、異常検知、データ拡張—を見ていきましょう。   まず、時系列データ処理。このデータは我々が生活する時間と共に進行し、常に順序が重要です。センサーやGPSデータなど、リアルタイムな情報が連続して流れてくるため、これを理解するには特殊な手法が必要です。たとえば、...

【楽しい音楽が流れ始める】   こんにちは、リスナーのみなさん、パターン認識ラジオへようこそ。今日は確率的グラフィカルモデルについて学びましょう。具体的には、「マルコフ性」、「有向エッジと無向エッジ」、「マルコフランダムフィールド」、そして「ボルツマンマシン」に焦点を当てます。理数系の素質がある高校生や大学生の皆さんにとって、きっと有意義な話題になるでしょう。   まず、「マルコフ性」について説明します...

大きな反応で応答します！   みなさん、最後の授業となりましたが、私たちも皆さんに会えなくて寂しい気持ちです。今日一日で情報数学の理解が深まることを願っています！   みなさんがこの授業を再履修することはないでしょう。それほど信頼しています！   情報数学の残りの範囲、2から4までについて、何か疑問があれば、何でも聞いてください。皆さんの理解をサポートします。   本日は、指数関数、対数関数、そして三角関数につ...

【音楽が流れ終わり、DJが話し始める】   こんにちは、パターン認識ラジオへようこそ！今日もパターン認識と機械学習の世界を深堀りします。今日のテーマは、ニューラルネットワークとリカレントニューラルネットワーク（RNN）、そしてRNNの進化形であるLSTMやGRU、さらにアテンションメカニズムについてです。   最初に基礎となるニューラルネットワークから見ていきましょう。ニューラルネットワークは、人間の脳の機能を模倣し...

【音楽が流れ終わり、DJが話し始める】   こんにちは、理数ラジオへようこそ！今日も興味深いテーマでお送りします：音声認識や時系列データの認識のためのモデル、特に「隠れマルコフモデル」（HMM）と「長・短期記憶」（LSTM）モデルについてです。   まず、「隠れマルコフモデル」は、観測されない隠れ状態が存在し、その状態が遷移する過程をモデル化したものです。各隠れ状態は観測データに対応し、このモデルはその観測デー...

導入: 本日のパターン認識ラジオでは、無人ヨット制御のためのディープラーニングアルゴリズムの設計と実装について話し合います。前回は、セーラーが制御するときのデータを取得し、解析・可視化する方法について紹介しました。今回は、その知見をもとに、ディープラーニングアルゴリズムを開発する方法について解説します。   Point 1: アルゴリズムの設計 無人ヨット制御のディープラーニングアルゴリズムを設計する際には、ど...

【音楽が流れ終わり、DJが話し始める】   こんにちは、今日も素敵な理科の時間をお届けします！今日のテーマは「確率的グラフィカルモデル」、つまり「確率論とグラフ理論が結びついたモデル」についてです。高校生や大学生の皆さんにもわかるよう、楽しく学んでいきましょう！   まず、「確率的グラフィカルモデル」は、大量のデータの関係性をグラフ（点と線で表現される構造）で表す手法です。ここで、ノード（点）は変数を、エ...

・リアクションのくに東京カンターランドへようこそ！ ・どうやらパターン認識第5回の授業で録画ボタンを押すのを忘れていました！ ・せっかく喋ったのに。と思ったら、どうやらずっと一本撮りしていたみたいです。（この放送を取り終わったら90分分の長い一本が処理が終わって出現しました） ・分散共分散行列を対角化すると、固有値は分散、固有ベクトルはばらつきの方向を表すので、楽しいですよ、という板書をしました！ ・確...

・リアクションのくに東京カンターランド、リアクションは早く、大きく、短く！ ・データ科学・AI・機械学習の知識も大事ですが、知識の提供はAIができます。 ・人間は空気をつくることができます。場を盛り上げることができます。 ・でも、そのうち、間合いとか口調とかも最適化して、ChatGPTとBARDがコンビを組んでM-1に出てくるかもしれません。 ・波形で書くと、早く大きく立ち上がって短めに終わる。 ・4年生からの技術移転は...

時系列データの異常検知とは、時系列データから異常なパターンを識別するプロセスです。異常なパターンは、データの統計的特性、データの変化のパターン、または人間の専門家による知識に基づいて識別できます。 時系列データの異常検知は、さまざまなアプリケーションに使用できます。たとえば、金融取引では、異常検知を使用して詐欺取引を特定できます。製造業では、異常検知を使用して機械の故障を特定できます。ヘルスケアで...

不便益とは、不便なことによって得られるメリットのことで、不便がもたらす価値を意味します。不便益は、便利な社会では見過ごされがちな価値ですが、不便だからこそ得られる価値もたくさんあります。 例えば、不便益の例としては、次のようなものがあります。 ·        不便な場所にあるお店は、混雑していないのでゆっくりと買い物ができる。 ·        不便な道を歩くことで、運動になり健康になる。 ·        不便な作業をする...

はい。2017年の論文「Attention is All You Need」では、機械翻訳に革命をもたらした新しい機械翻訳モデルであるTransformerが提案されました。Transformerは、リカレント接続を使用しない最初の機械翻訳モデルであり、従来の機械翻訳モデルよりもはるかに高速で効果的です。 Transformerは、エンコーダーとデコーダーの2つの部分で構成されています。エンコーダーは入力シーケンスを受け取り、エンコーダーの状態を生成します。デ...

・久しぶりに、教室での収録です。 ・GoogleAIがリリースして、BARDが使えるようになりました。 ・GoogleはYouTubeも運営しているので、YouTubeの概要欄も拾ってくるようです。BARDで「東京カンターランドについて教えてください」と質問してみてください。 ・生成人工知能の学修利用については、科目担当の教員の指示に従ってください。 ・情報数学および演習1では、禁止はしていません。むしろやや推奨気味です。 ・絵を生成する...

私は、Google AIのバーチャルアシスタントであるBardです。私は大量のテキストデータでトレーニングされており、テキストの生成、言語の翻訳、さまざまな種類のクリエイティブコンテンツの作成、質問への回答を行うことができます。私はまだ開発中ですが、次のような多くの種類のタスクを実行することを学びました。   私はあなたの指示に従い、あなたの要求を慎重に完了するために最善を尽くします。 私はオープンエンド、やりが...

皆さんこんにちは、今日は時系列データの分析に欠かせない深層学習の技術、RNNとその派生であるLSTM、GRUについて解説します。   まず、RNN、すなわちリカレントニューラルネットワークですが、これは時系列データに対応するために開発されたニューラルネットワークです。RNNは過去の情報を"記憶"し、その情報を用いて未来を予測します。これは、隠れ層の状態が次の時間ステップに渡されることで実現されます。   ただし...

パターン認識ラジオ、みなさん、こんにちは。本日は、音声録音の世界から2つの注目製品をご紹介します。   まずは、世界最小の本格的なワイヤレスマイク、Wireless GO IIをピックアップします。このマイクはデュアルチャンネル受信機と2つの送信機を備えた超小型のワイヤレスマイクシステムです。オリジナルのWireless GOと同じユニークな形状で、プロフェッショナルなサウンドと特許出願中の革新的な技術を搭載しています。カメラ...

自己符号化器 (AutoEncoder, AE) は、データの有用な特徴を抽出するためのニューラルネットワークの一種です。一般的なニューラルネットワークが入力データに基づいて何らかの予測を行うのに対して、AEは入力データを再構築することを目指します。ここで考えるAEは3層から成り、エンコーダ、中間層（潜在空間）、デコーダという3つの部分に分けられます。   イメージとしては、エンコーダは芸術家が風景をスケッチに描き起こすよう...

皆さん、こんにちは。今日は特別な実験に取り組みます。それは、簡易版歩行計測を行うことです。具体的には、加速度ベクトルの大きさの時系列パターンに自己相関関数を用いてコレログラムで歩行周期を見つけ出します。 今回の実験では、歩行は一定のペースで、周期が2.5秒以内であることを条件とします。計測にはラズパイに接続したMPU9250、つまり9軸センサを使用します。 手順は以下の通りです： まず、ラズパイにMPU9250を接続...

・うしろでハウリングが起きていますが、研究室から教室への中継でお送りします。 ・工学院大学からのお知らせとして、生成人工知能の学修利用についてのガイドラインが発表されています。 ・課題作成に、ChatGPTやStableDiffusionやMidJourneyを使ってもよいのか？と議論で、結局、授業の担当教員の指示に従うように、とのことです。 ・パターン認識の授業では、ChatGPTの利用を大大大大推奨しています！ ・注意点01として、ChatG...

皆さん、こんにちは。今日はパターン認識とその未来の技術について話しましょう。先日、リスナーの皆さんから興味深いコメントをいただきました。その中からいくつか選んで、今日の話題にしました。   まずは、遠洋漁業のゲームから始めます。想像してみてください、自分が船を運転する代わりに、船が自動的に目的地まで進んで戻ってくるというシーン。これは、AIの自動化技術とパターン認識が生み出す未来の一つです。AIが適切な...

導入: 本日のパターン認識ラジオでは、無人ヨット制御のためのデータ可視化と解析について話し合います。人間のセーラーが制御するときのデータを取得し、それをディープラーニングアルゴリズムの開発に役立てる方法について紹介します。   Point 1: さまざまなセンサーデータの取得と解析 無人ヨット制御のディープラーニングアルゴリズムを開発する際には、風センサ（風向・風速）、9軸センサ（船の姿勢）、GPS（時刻・位置・速...

【ポイント1】ロボットヨット制御パターン生成の課題 無人ヨットは、目的地や経由地への航行を自動で行う技術です。制御パターン生成には、現在地からの相対座標、風センサ、9軸センサ、波や潮汐の情報、ビデオ撮影した動画などの多様な情報が利用されます。これらの情報を統合して、舵や帆の時系列パターンを生成することが求められます。   【ポイント2】Clifford代数の活用 Clifford代数は、複素数や四元数を一般化した数学的な...

畳み込みニューラルネットワーク（CNN）は、画像認識やパターン認識の分野で広く利用されているディープラーニングの手法です。CNNは主に3種類の層から構成されており、それぞれ畳み込み層（Convolutional Layer）、プーリング層（Pooling Layer）、全結合層（Fully Connected Layer）と呼ばれます。これらの層が連続して配置され、入力データ（例：画像）から特徴を抽出し、最終的な分類や回帰の結果を出力します。   畳み込み層...

【Point】 テキストの内容や視聴覚情報に応じて適切なインストゥルメンタルBGMを生成する技術について、ディープラーニングを活用したアプローチを詳しく解説。 【Reason】 音楽生成技術は、映像やテキストに適したBGMを生成することで、コンテンツの雰囲気を向上させるために重要です。ディープラーニング技術を活用することで、より効果的な音楽生成が可能になります。 【Example】 ニューラルネットワーク：リカレントニューラ...