研究内容・業績

研究内容

　人間の言語的・記号的コミュニケーションを支える，システム概念として記号創発システムを提唱し，ロボットや人工知能の構成を通じた構成論的理解や，当該システム観に基づくコミュニケーション場のデザインなどに取り組んでいます．また，機械学習の応用や，価格等の記号的情報を用いた自律分散システムの設計論についても研究を行っています．


研究業績

○ 一般の方へ
○ 研究者の方へ

    Selected Papers
  1. Tadahiro Taniguchi, Shogo Nagasaka, Kentaro Hitomi, Kazuhito Takenaka, and Takashi Bando, Unsupervised Hierarchical Modeling of Driving Behavior and Prediction of Contextual Changing Points, IEEE Transactions on Intelligent Transportation Systems,.(2014) [LINK]
    • 次にやってくる運転文脈の変化点までの時間長を予測します．
    • 二重分節解析器における時系列データの分節化部分をHDP-HSMMに変更し，チャンク長(運転単語長)を明示的に予測できるように変更しています．また，離散文字列(HSMM における super state列)をベイズ教師なし形態素解析でチャンク化するときの事後確率について，サンプリングを行い単語の単位を確定することなく，全ての後続単語の確率を周辺化し，持続時間長を無限混合ポアソン分布として予測します（実際には，無限の未観測単語の合計長については単一のポアソン分布で近似します．）．
    • IEEE IV '14 で Oral presentation (採択率 6%)に採択された内容を更に充実させた内容となっています．
  2. Tadahiro Tagniguchi and Keita Hamahata and Naoto Iwahashi, Unsupervised Segmentation of Human Motion Data Using Sticky HDP-HMM and MDL-based Chunking Method for Imitation Learning, Advanced Robotics, Vol.25 (17), 2143--2172 .(2011) [LINK]
    • 二重分節解析のもととなった論文です．
    • 人間の非分節な動作からロボットが模倣するために，ノンパラメトリックベイズ法の一種である sticky HDP-HMM でモデリングを行い，離散状態系列にした後に，MDL原理に基づくチャンク化手法により，単位動作の抽出を試みています．
    • weak limit approximation を行った際の，実時系列データに対する sticky HDP-HMM に関しても経験的な結果を示しており，参考になるかもしれません．
  3. HaiLong Liu, Tadahiro Taniguchi, Toshiaki Takano, Yusuke Tanaka, Kazuhito Takenaka and Takashi Bando, Visualization of Driving Behavior Using Deep Sparse Autoencoder, 2014 IEEE Intelligent Vehicles Symposium (IV'14). (2014) [LINK]
    • 深層学習（ディープラーニング）の自動車運転データへの活用は，国際的にも珍しい研究です．
    • DSAE（深層学習手法の一種）を用いて，自動車運転時系列データのRGB空間への写像を構成し，可視化への活用を提案しています．
  4. Tomoaki Nakamura, Takayuki Nagai, Kotaro Funakoshi, Shogo Nagasaka, Tadahiro Taniguchi and Naoto Iwahashi, Mutual Learning of an Object Concept and Language Model Based on MLDA and NPYLM, 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS'14), 600 - 607 .(2014) [LINK]
    • 教師なし形態素解析器のNPYLMとマルチモーダル物体概念形成の手法であるMLDAを相互活用（統合）し，誤りあり音声認識結果から，適切な語彙を学習する手法を提案しています．

    その他の研究業績
Comments