2016年12月6日から9日かけてギリシャ（アテネ）のRoyal Olympic Hotelにて開催されました，The 2016 IEEE Symposium Series on Computational Intelligence（SSCI2016）に参加いたしました．本研究室からは，廣安先生と郡(M1)が参加し，発表形式は郡が口頭発表でした．発表演題は以下の通りです．
“Region-of-Interest Extraction of fMRI data using Genetic Algorithms “
Satoru HIWA, Yuuki KOHRI, Keisuke HACHISUKA, Tomoyuki HIROYASU
SSCI2016は，IEEE Computational Intelligence Societyが主催するコンピューターインテリジェンスに関する世界的に重要な学会で，理論やアルゴリズム設計、アプリケーションなどの新しい技術についてセッションが開かれ，様々な分野の講演を聞くことが出来ました． 私自身初めての国際学会で初めての英語での口頭発表ということもあり，とても緊張しました．本番では，緊張からなかなか練習通りに発表はできませんでしたが，元気よくは発表できたと思います．つたない英語ではありましたが内容も理解していただけたようで，多くの質問も頂きとても充実した発表となりました．今回初めての国際学会で，海外経験の少ない私にとっては全てが貴重な経験となりました．この経験をもとに今後もより一層頑張っていきたいと思いました．
【文責：M1 郡】
学会参加報告書
| 報告者氏名 |
郡 悠希 |
| 発表論文タイトル | 遺伝的アルゴリズムを用いたfMRIデータにおける関心領域の抽出 |
| 発表論文英タイトル | Region-of-Interest Extraction of fMRI data using Genetic Algorithms |
| 著者 | Satoru HIWA, Yuuki KOHRI, Keisuke HACHISUKA, Tomoyuki HIROYASU |
| 主催 | The IEEE Computational Intelligence Society |
| 講演会名 | The 2016 IEEE Symposium Series on Computational Intelligence （http://ssci2016.cs.surrey.ac.uk/） |
| 会場 | Royal Olympic Hotel (ATHENS, GREECE) |
| 開催日程 | 2016/12/06-2016/12/09 |
- 講演会の詳細
2016/12/06から2016/12/09にかけて，アテネ（ギリシャ）のRoyal Olympic Hotelにて開催されました2016 IEEE Symposium Series on Computational Intelligenceに参加いたしました．本研究室からは，郡(M1)と廣安先生の計2名が参加いたしました．
この学会は，IEEE Computational Intelligence Societyが主催するコンピューターインテリジェンスに関する世界的に重要な学会で，理論やアルゴリズム設計、アプリケーションなど様々な分野の新しい技術についてセッションが開かれ，様々な分野の方々が集まっていました．
- 研究発表
- 発表概要
私は7日午前に，画像やパターン認識における特徴分析、選択、学習のセッション「FASLIP Session 1」に参加いたしました．発表の形式は口頭発表20分(質疑応答含む)でした．
今回は，遺伝的アルゴリズムを用いた特徴量選択によりfMRIデータから重要な脳機能ネットワークを抽出する手法の検討について発表致しました．以下に抄録を記載致します．
| Functional connectivity, which is indicated by time course correlations of brain activities among different brain regions, is one of the most useful metrics to represent human brain states. In functional connectivity analysis (FCA), the whole brain is parcellated into a certain number of regions based on anatomical atlases, and the mean time series of brain activities are calculated. Then, the correlation between mean signals of two regions is repeatedly calculated for all combinations of regions, and finally, we obtain the correlation matrix of the whole brain. FCA allows us to understand which regions activate cooperatively during specific stimulus or tasks. In this study, we attempt to represent human brain states using functional connectivity as feature vectors. As there are a number of brain regions, it is difficult to determine which regions are prominent to represent the brain state. Therefore, we proposed an automatic region of- interest (ROI) extraction method to classify human brain states. Time-series brain activities were measured by functional magnetic resonance imaging (fMRI), and FCA was performed. Each element of the correlation matrix was used as a feature vector for brain state classification, and element characteristics were learned using supervised learning methods. The elements used as feature vectors, i.e., ROIs, were determined automatically using a genetic algorithm to maximize the classification accuracy of brain states. fMRI data measured during two emotional conditions, i.e., pleasant and unpleasant emotions, were used to show the effectiveness of the proposed method. Numerical experiments revealed that the proposed method could extract the superior frontal gyrus, orbitofrontal cortex, cuneus, cerebellum, and cerebellar vermis as ROIs associated with pleasant and unpleasant emotions. |
- 質疑応答
今回の講演発表では，以下のような質疑を受けました．
英語による質疑応答であっため，私自身で回答することが出来ず，先生が代わりに回答してくださいました．
・質問内容1
GAは何世代行っているのか？というものでした．
この質問に対して，200世代．と回答していただきました．
・質問内容2
GAを回すのにどれだけ時間がかかるのか？というものでした．
この質問に対しては,約30分前後．と回答していただきました．
・質問内容3
類似度の計算はどうしているのか？というものでした．
この質問に対しては，おそらくcos計算である．と回答していただきました．
- 感想
初めての国際学会で初めての英語での口頭発表ということもあり，とても緊張しました．本番では，緊張からなかなか練習通りに発表はできませんでしたが，元気よくは発表できたと思います．つたない英語ではありましたが内容も理解していただけたようで，多くの質問も頂きました．しかし，英語をなかなか聞き取ることが出来ず，答えなれなかったことがとても残念でした．今回初めての国際学会で，海外経験の少ない私にとっては全てが貴重な経験となりました．海外の方の気さくさは本当に見習うべきものであると感じ，今後はもっと積極的にコミュニケーションをとっていく必要があると感じました．また，私は英語が苦手なため，他の方の発表を聞いていてもなかなか聞き取ることが出来ないため，スライドのわかりやすさや見易さの重要性をより感じました．しかし本学会では，様々な分野のお話を聞くことが出来，とても面白かったです．次回は英語をより勉強して様々な人と積極的に交流できるようにしたいと思いました ．
- 聴講
今回の講演会では，下記の4件の発表を聴講しました．
| 発表タイトル ： Quality Estimation for Japanese Haiku Poems Using Neural Network 著者 ： Shinji Kikuchi, Keizo Kato, Junya Saito, Seiji Okura, Kentaro Murase, Takaya Yamamoto, Akira Nakagawa セッション名 ： CIHLI Session 4 Abstruct ： We propose a method to estimate the artistic quality of Haiku (Japanese style short poem) texts using a machine learning approach. Based on the assumption that the artistry of a text stems from its sound factors as well as its meanings, we first constructed two types of vector models, a word-based model and a syllable-based model, converted from Haiku texts. Next, we conducted machine learning for these two models using a convolutional neural network to construct a Haiku quality estimation function. We then evaluated the precision of quality estimation for 40,000 Japanese Haiku poems obtained from a Haiku community site, assuming that the number of “likes” given from viewers to a Haiku corresponds to its artistic quality. Through the experiment, we confirmed that by conducting a quality estimation based on the consensus between different models, we can improve the precision of quality estimation up to 0.64. We also found that if we evaluate Haiku poems for which we have high confidence in quality estimation certainty, the F-measure of the estimation improved from 0.57 to 0.64. |
この発表は，機械学習を使って俳句の芸術的なクオリティを評価する手法の提案を行っていました．まず，俳句から言葉ベースのモデルと音節ベースのモデルを作り， convolutional neural networkを使用してこれらのモデルの機械学習を行っていました．そして，俳句コミュニティサイトで40,000の俳句に対して”like”をもとに品質評価・学習を行い，新しい俳句に対して評価実験を行っていました．身近な俳句を研究対象にしており，面白いと思いました．俳句は日本独自のものなので，研究を進めれば外国語と違い，日本語の特徴なども考えられ，翻訳機能などにも応用できる深い研究ではないかと感じました．
| 発表タイトル ： Constructing a Human-like agent for the Werewolf Game using a psychological model based multiple perspectives 著者 ： Noritsugu Nakamura, Michimasa Inaba, Kenichi Takahashi, Fujio Toriumi, Hirotaka Osawa, Daisuke Katagami, Kousuke Shinoda セッション名 ： CIHLI Session 4 Abstruct ： In this paper, we focus on the Werewolf Game. The Werewolf Game is an advanced communication-game in which winning or losing is directly linked to one’s success or failure in communication. Therefore, we expect exponential developments in artificial intelligence by studying the Werewolf Game. In this current study, we propose a psychological model that considers multiple perspectives to model the play of a human such as inferring the intention of the other side. As one of the psychological models, we constructed a “one’s self model” that models the role of others as viewed from their own viewpoint. In addition, to determine whether one’s opinion is reliable after inferring other’s intentions, we also constructed an “others models” that models the role of others as viewed form their viewpoints. Combining these models, we showed through experimentation that a combined approach achieved better results, i.e., higher win percentages. |
この発表では，近年流行している勝ち負けにコミュニケーションが直接関係している人狼ゲームについてフォーカスしていました．本研究では，相手側の意図を推論するようなプレーをモデル化するために多数の視点を考慮した心理的なモデルを提案していました．心理的なモデルの1つとして，彼ら自身の視点から見た他の役割をモデル化する「one’s self model」を作成し，加えてその人の意見が他の意図を推論した後に信頼できるかどうか決定するために，他の人の視点から見た他の役割をモデル化する「others models」も作成していました．これらのモデルを組み合わせることで高い勝率を得たと実験を通して示していました．この研究を聞き，心理ゲームとして考えていた人狼ゲームも論理的に考えることで勝率を上げることが出来るのだと改めて感じました．身近なゲームに対して疑問を抱き，研究対象とする考え方は素晴らしいと思いました．この研究が進めば，人工知能のコミュニケーション能力も1対1ではなく，他の要因も考慮したコミュニケーションにしていくことが出来るのではないかと感じました．
| 発表タイトル ： Eye Movements as Information Markers in EEG Data 著者 ： Sherif M. Abdelfattah, Kathryn E. Merrick, Hussein A. Abbass セッション名 ： CIHLI Session 4 Abstruct ： Artifacts such as voluntarily and involuntarily muscle movements are usually seen as a source of noise in EEG signals. In this paper, we see artifacts as a source of information in a signal. For example, eye movements can generate a traceable change in the EEG signals. We use eye movements as an effective marker for direction of movement. We propose two experiments for classification of four eye movement directions (left, right, up and down). In the first experiment, we utilize feature partitioning method based on J48 decision tree to tackle the effect of concept drift in the training dataset resulting from dynamic non-stationarity characteristics of EEG signals. Afterward, we feed the extracted partitions to three different classifiers: multilayer perceptron (MLP) (with 10 hidden layers), logistic regression (LR) and random forest decision tree (RFDT) respectively, while comparing their classification accuracy. In the second experiment, we explored an ensemble learning mechanism as an alternative criterion to deal with the dynamic nature EEG signals. We trained the last three classifiers simultaneously on each training example, followed by a voting method to determine the dominant class label. The ensemble approach increased classification accuracy from 86.2% in the first experiment to 90.1% in the second. |
この発表は，眼球運動とEEG信号を同時計測していました．EEG信号では無意識な筋肉運動がノイズの原因と考えられます．そこで，眼球運動を用いてEEG信号の追跡を行っていました．本研究では，眼球の上下左右運動方向の分類のために2つの実験を行っていました．1つ目の実験では，まずJ48決定木に基づく特徴分割方法を利用し，multilayer perceptron・ロジスティック回帰・ランダムフォレストの3つをそれぞれ用いて分類し，精度を比較していました．2つ目の実験では、ダイナミックなEEG信号に対処する代替基準としてアンサンブル学習のメカニズムを調査し，サンプル例を3つの識別器に学習させ，クラスラベルの決定を行っていました．このアプローチで識別精度が上がったと示されていました．自分の研究室でも眼球運動とEEGの同時計測をしているので興味があり，なかなか内容の理解は追いつかなかったですが聴講してみました．研究室で行われている研究とはまた少し違った内容であると感じました．
| 発表タイトル ： The Graph Matching Optimization Methodology for Thin Object Recognition in Pick and Place Tasks 著者 ： Pierre Willaume, Pierre Parrend, Etienne Gancel, Aline Deruyver セッション名 ： FASLIP Session 3 Abstruct ：Bin-picking emerges as a major interest in the industry. The aim is to replace current ‘pick and place’ systems, where one must place mechanical components in dedicated distribution devices such as bowl feeders for picking them up with a robot arm. A large number of image processing methods are available for recognizing these components. For instance, the stereovision approach provides fine results by comparing several images of the objects taken from different angles. However, when several types of components are available or for thin components, the identification remains a delicate task. We propose the Graph Matching Optimization methodology, which uses graph comparison with evolutionary algorithms between stereoscopic images and a model, in order to identify thin pieces in a constrained time frame. First, we extract characteristic component information by binarization and skeletonization of the images. Then, we retrieve the position of the objects in a 3 threedimensional space through an evolutionary algorithm derived from Harmony Search Optimisation (HSO). Lastly, we extract and validate optimal parameter ranges for which the devised algorithm shows a high efficiency for representative component positions of randomly arranged thin objects. |
この発表では，産業界で物を選択し，特定の場所に置くシステムを兼ね備えたロボットアームの開発を行っていました．物の認識では，複数の角度から撮影した画像をもとにした立体視アプローチにより高精度で行えます．しかし，複数の物体がある場合や薄いものの認識は困難です．そこで，制約された時間の中で薄い物体を識別するために，進化アルゴリズムを用いて立体イメージとモデルが一致するような最適化手法を提案していました．まず，二値化と細線化によって物体の骨格を取り出し，HSOをもとにした進化アルゴリズムを用いて3次元空間内の物体の位置を取り出していました．この発表では，とてもスライドに魅入られました．研究のフロー図がイラスト付きでまとめてあり，とてもイメージしやすくわかりやすいものでした．初めにコンセプトがわかる発表は研究内容も分かりやすく，何をしているのか相手に分かってもらうためにはとても重要だと改めて感じました．今後の発表にも生かしていきたいと思いました．