HAMAGAMI Tomoki

症状から緊急度を推定する救命救急トリアージシステムにおいて，家庭における利用を想定した簡易システムの設計・開発を行った。少ない問診情報から確度の高い判定を行うために，判定項目に優先度をつけたBalanced Random Forestと決定木を組み合わせた重症度判定システムを開発し，逐次的かつ動的な設問の生成と判定が可能になることを示した。

画像による自己位置推定における，局所特徴辞書の効率的な作成方法の研究を行った。辞書の肥大化は自己位置推定に要する計算量を増加させるが，辞書肥大化の要因の一つとして，辞書に登録される要素の重複が挙げられる。本研究では重複を回避するような逐次的辞書更新手法を提案した。実験では，提案手法により辞書の要素数が削減されるのと同時に，自己位置推定の正解率も向上することが確認された。

逆強化学習におけるエキスパート獲得の手段として，進化的なプロセスを利用する方法を提案した。このようにしてえられたサブエキスパート群から報酬関数を推定しアンサンブルする手法を，スキルベース学習と定義をした。さらに，アルゴリズムの性能について基本的な実験評価を行い，有効性について確認した。

マルウェアの検知アルゴリズムに成長型階層的自己組織化マップ(GHSOM)を用いた方法を提案した。マルウェアのDLLに含まれるキャラクタの系列を特徴量として，複数の粒度での特徴抽出・分類を行った結果を，マルウェアのラベル付きデータと照合することで検知を行う。他の商用マルウェア探索のソフトウェアに比べ，マルウェアの亜種発見に有効性が確認された。

行動コンテキストを自律的にモデル化する手法として，進化的ペトリネットという新たな手法を提案した。ログデータを説明するために必要なモデルを，ペトリネットを表現する遺伝子の進化によって獲得することができる。人工的につくられたチーム医療のログデータをもとに評価を行い。生成モデルと同じコンテキストモデルが得られることを確認した。

決定木により構築した選択的症例空間を用いた，コールトリアージ支援システムを提案した。決定木を用いることで，質的なコールトリアージデータに対して選択的症例空間を構築することが可能である。選択的症例空間内では，少ないサンプル数でも高い学習精度を持つSVMを使用した。さらに，選択的症例空間にパラメータを付与することで，フェールセーフな判定を行うことも可能である。実データによる評価の結果，ロジスティック回帰，ベイジアンネットワークを用いたコールトリアージ支援システムと比較して，同程度致命的なアンダ...

進化過程からの逆強化学習によるスキルベース学習を提案した。従来手法では，動作間の干渉があるような環境では学習を行うことが困難であった。しかし、スキルベース学習ではエージェントが段階的なサブスキルを学習していくことにより，そのような環境における学習を可能にした。また，提案手法では、サブエキスパートを進化過程から得ることを提案した。提案手法を用いることで，逆強化学習により進化過程から報酬関数を得ることが可能となる。提案手法を用いたシミュレーション実験として，大車輪タスクとドライビングタスクを試...

類似の位相構造を有するタスクにおけるQ-Learning の学習時間の短縮を目的に，転移学習を応用した手法を提案した。状態空間中で同位相にある状態間での学習知識の部分的共有を転移学習によって行うことで，学習の効率を上げることが可能となる。提案手法をロボットの大車輪運動獲得に応用し，その有効性を確認した。

エージェントネットワークにおけるルーティング問題について，エージェント群の動的な組織化を行うことによって適切な協調行動を獲得する手法を提案した。組織化にあたり，ネットワークに存在する制約条件を局所的制約と大域的制約に分類し，局所的制約の解消を目的とするFAと大域的制約の解消を目的とするBA による階層的な問題解決を行えることを確認した。シミュレーション実験により，電源容量制約・線路容量制約の大きい実規模系統において優先エリアの優先的復旧ができることを確認できた。

不完全知覚と環境変動にロバストで，かつ計算コストを抑えたappearance-based SLAM の開発を目指した手法を提案した。局所特徴としてSP を用いかつ画像特徴ベクトルを生成する際にTf-Idf を用いる。従来手法では、画像特徴ベクトルの次元が大きいために計算コストがかかり，不完全知覚に対して有効な画像特徴ベクトル生成手法が無いといった問題があった。一方，提案手法では、局所特徴として、高度な特徴量を表現可能なSP を用いることで，画像特徴ベクトルの次元を抑えることが可能となった。...