KI 2017: Advances in Artificial Intelligence論文集より

機械学習技術 人工知能技術 自然言語処理技術 セマンティックウェブ技術 オントロジー技術 デジタルトランスフォーメーション技術 AI学会論文 知識情報処理技術 AI学会論文を集めて 推論技術 本ブログのナビ
KI2017

前回はKI2016について述べた。今回は2017年にドルトムント工科大学で開催されたKI2017について述べる。

2017年9月25日から29日にかけてドルトムント工科大学で開催された第40回大会KI2017で発表された論文は73件の有効な投稿があり、フルリサーチ論文として20件、ショートテクニカルコミュニケーションとして16件を採択している。

ドイツ人工知能学会(略称:KI)の公式イベントは1975年に開催され、当時はドイツの「Gesellschaft für Informatik」(コンピュータ科学協会、GI)のKIワーキンググループのワークショップであり、それ以前にも、1973年4月にハンブルグで開催された「Fachtagung Kognitive Verfahren und Systeme」のような非公式な会合もあった。現在では、ドイツとその周辺国の人工知能研究者を中心に、国際的な参加も可能な年次会議として発展している。

内容としては、エージェント、ロボット工学、認知科学、機械学習、計画、知識表現、推論、オントロジーなどの幅広いトピックに加え、ソーシャルメディア、心理学、交通システムなどの分野にも多数の応用例がありる。

今回のプログラムでは、通常のセッションに加えて、Pierre Baldi (University of California, Irvine), Gerhard Brewka (University of Leipzig), Luc De Raedt (Katholieke Universiteit Leuven) の3名の招待講演、Wolfgang Wahlster (Saarland University) によるキーノートを含む産業セッション、2017年に国際姉妹会議AAAIおよびIJCAIで発表したドイツの著者による厳選論文のプレゼンテーションで構成されたセッションも開催された。

また、German Conference on Artificial Intelligenceの40周年を記念して、プログラムにはパネルディスカッションを含む歴史的セッションが設けられた。このセッションはUlrich Furbach氏の司会で、Katharina Morik氏、Hans-Helmut Nagel氏、Bernd Neumann氏、Jörg Siekmann氏のパネリストが寄稿したものである。司会者がドイツのコンピュータ科学と人工知能の歴史を簡単に振り返った後、パネリストが初期のAI関連の活動や当時のコンピュータ科学界との関係についてコメントした。最後に、近年のこの分野の発展と今後について、オープンフォーラムで振り返られた。

会議の最初の2日間は、ワークショップとチュートリアルの司会を務めたChristoph Beierle氏(University of Hagen)が、2つのワークショップからなるプログラムを企画した。

– ZooOperationコンペティション (Vanessa Volz, Christian Eichhorn)
– 形式的推論と認知的推論 (Christoph Beierle, Gabriele Kern-Isberner,

ワークショップでは、さらに多くの論文が発表され、アイディアが議論され、経験が交換された。さらに、このプログラムでは2つのチュートリアルも行われた。

– 記述ロジックの実現可能推論 (Ivan Varzinczak)
– Nilsson型確率論理による知識表現と推論 (Ivan Varzinczak)

以下に詳細の内容を示す。

Full Technical Papers

本論文では、機械学習、コンピュータビジョン、質的表現の側面を用いて、平易なスケッチの分類器を構築する。本論文では、手書きスケッチを構成するストローク間の質的関係セットを利用し、画像処理の2つの主要な観点を活用して、手書きスケッチを正確に認識するハイブリッド技術を提案する。本手法は、手描きスケッチを高精度に認識することができる。

我々は、緩和ヒューリスティックhmax、hadd、hFFを、区間ベースの数値緩和フレームワークに適応させ、2つの異なる緩和手法と2つの異なる探索手法と組み合わせている。これまでのアプローチとは対照的に、ここで紹介するヒューリスティックは、数値計画および支援行動コストの部分集合に限定されることはない。

オンライン環境における分割不可能な財の公正な分割のための単純で魅力的な2つの機構は、LIKEとBALANCED LIKEである。我々は、これらのメカニズムの結果に関するいくつかの基本的な計算問題を研究する。特に、どのような結果が期待できるのか、どのような結果が必要なのか、そして、それらの正確な結果をどのように計算するのかについて検討する。一般に、このような問題はLIKEの方がBALANCED LIKEよりも計算が容易であることを示す。LIKEは戦略を保証するがBALANCED LIKEはそうではないので、BALANCED LIKEでエージェントがどのように彼らの結果を改善するための戦略的入札を計算できるかという計算問題も考える。我々は、この問題が一般に実行不可能であることを証明する。

本論文では、アイテムが1つずつ到着し、何らかのメカニズムによってエージェントに割り当てられるという単純なオンライン公平分割モデルの文脈で、オンラインアルゴリズムにとって重要な2つの要素、競争分析(競争比など)とアドバイス複雑さ(オンライン決定を改善するために必要なアドバイスビットの数など)を組み合わせている。このようなオンライン機構として、オンライン二分割マッチングから採用された人気の高いランキングマッチング機構と、オンライン公平分割問題に対して最初に導入された「いいね」、「バランスいいね」、「最大いいね」割り当て機構の4つを検討する。我々の最初の貢献は、マッチングの期待サイズ、功利主義的厚生、平等主義的厚生に関して、これらのメカニズムの競争分析を行うことである。また、オラクルがこれらの機構に多くのアドバイスビットを与えることができると仮定する。例えば、どのメカニズムも、オラクルから部分的な助言を受けると仮定すると、最適なオフライン・メカニズムの平等主義的結果を達成することができない。3つ目の貢献は、これらの4つの機構が行うことのできるオラクル要求の数に対する競争力を定量化することである。このようにして、各目的に対する最も競争力のあるメカニズムを提示する。

概念空間という非常に影響力のある枠組みは、知識を幾何学的に表現する方法を提供する。インスタンスは高次元空間の点として表現され、概念はこの空間の凸領域として表現される。この凸の要求の問題点を指摘した後、我々はファジィ星型集合に基づく概念空間の形式化を提案する。我々の形式化は、概念のパラメトリックな定義を用い、異なる領域間の相関を幾何学的に表現する手段を追加することにより、元の枠組みを拡張するものである。さらに、概念に対する計算効率の良い操作(交差、和集合、部分空間への射影)を定義し、これらの操作が学習と推論過程の両方をサポートできることを示す。

隣人ベースのアプローチは疎なシナリオでは失敗することが多く,共起するアイテムを利用する推薦システムの直接的な意味は,しばしば不適切に低いパフォーマンスである.そこで我々は、疎なデータを活用するために、アイテムグラフ全体に情報(例えば類似度)を伝播させることを提案する。直接接続されたアイテム(例えば共起関係)のみを処理する代わりに、2つのアイテムの類似度はそれらを相互接続する最大容量のパスとして定義される。我々のアプローチは、パスの長さを1に制限した場合に特殊なケースとして得られる近傍ベースの手法の一般化に似ている。我々は2つの効率的なオンライン計算スキームを提示し、実証的な結果を報告する。

一次構造を持つ確率的形式における推論では、単一の問い合わせに対する標準的なアプローチの1つがlifted variable elimination (LVE)である。複数の問い合わせを効率的に処理するために、LJT(lifted junction tree algorithm)は一階知識ベースの特定の表現とLVEを計算に使用する。残念ながら、LJTは、標準的なLVEアルゴリズムであるGC-FOVEが完全にリフトされた実行を持つ場合に、不要な基底を誘導する。また、LJTは証拠を明示的に扱わない。我々はLJTを拡張し、(i)不要な基底を特定・防止し、(ii)証拠を効果的にliftedで扱うようにする。機械学習アプリケーションのような複数の問合せがある場合、我々の拡張は LJT や GC-FOVE よりも高速に答えを計算することができる.

画像の着色や影の投影に用いられるようなフラッドフィリングアルゴリズムは、局所性の向上がキャッシュ性能を大きく向上させ、ひいてはアルゴリズムの実行時間を短縮させることを示している。本論文では、Dijkstraの最短経路を計算する手法に着目し、パターン・データベースの生成などに応用している。キャッシュ改善への貢献として、エッジコスト因数分解とグラフのメモリレイアウトのフラッドフィリングを提案する。商用ゲームマップを用いた実験を行い、新しい優先度キューを先進的なヒープ実装や代替バケット実装と比較する。

Isabelle/HOLにおける外延的高次様相論理(IHOML)の浅い意味論的埋め込みを提示する。IHOMLはMontague/Gallinの外延的論理に基づくもので、Melvin Fittingが神の存在に関するGödelの存在論的議論の改作を議論するために、彼の教科書「Types, Tableaus and Gödel’s God」で紹介したものである。IHOMLを利用して、Fittingの教科書の最も興味深い部分を形式化し、Isabelle/HOL証明アシスタントで自動化し、検証している。特に、ゲーデルやスコットの原著で強く批判された副次的効果である様相の崩壊を回避する存在論的議論の3つのバリエーションに焦点を当てます。

状況を考慮したルートプランニングへの関心が高まっている。スマートシティにおける様々なセンサー技術の普及により、トリッププランニングプロセスにリアルタイムデータとその予測を取り入れることができるようになった。我々は、公共交通機関の遅延予測をルーティングに組み込んだマルチモーダルな個人旅行計画のためのシステムを発表する。将来の遅延時間は、現在の車両位置のストリームに基づいて、時空間ランダムフィールドによって計算される。離散確率的グラフィカルモデルの中間予測に対する空間回帰の条件付けにより、履歴データ、ストリームされたオンラインデータ、および豊富な依存構造を同時に取り込むことができる。本システムは、ポーランドのワルシャワ市における実際のユースケースで実証された。

ニューロモーフィック・ビジョン・センサーは、固定フレームレートで画像全体を無駄なく送信する代わりに、シーン内の動きによって生じる局所的なピクセルレベルの変化のみを、それが生じた時点で送信します。その結果、マイクロ秒単位のレイテンシーで、イベントのストリームが生成されます。このようなセンサーは、遅延や帯域幅の点で非常に有利である一方、イベントベースのピクセルレベルの出力というユニークな特徴を持つため、コンピュータビジョンに新しく適応したアプローチを必要とする。本論文では、ニューロモーフィック・ビジョン・センサーを利用したオンライン・マルチターゲット・トラッキング・システムを提案します。移動するターゲットを追跡するために、クラスタリング技術を用いた高速かつシンプルなオブジェクト検出アルゴリズムを開発した。低遅延を最大限に活用するため、従来のフレームベースの産業用カメラのリアルタイム能力をはるかに超える高フレームレートで動作するオンライン追跡-by-クラスタリングシステムを統合しました。このシステムの性能は、高速道路橋のシナリオの実世界のダイナミックビジョンセンサーデータを使用して評価されています。私たちは、この試みが知的交通システムのためのニューロモーフィック・ビジョン・センサーに関するさらなる研究の動機付けとなることを期待しています。

議論のやり取りを分析する際の最初の(そして重要な)ステップの一つは、エンタイムのみを含む発話から完全な議論を再構築することである。本論文では、類推による法的議論を用いて、この再構築プロセスにおいて、解釈者は古典的な確率論ではなくDempster-Shafer(DS)理論で適切に表現できる種類の不確実性に対処しなければならないかもしれないことを論じる。そこで我々は、古典的確率論に基づく既存の確率論的論証(PAF)の枠組みを一般化・緩和し、DSに基づく論証の枠組み(DSAF)と呼ぶことにした。具体的には、まず、既存のPAFの形式と意味論を一般化することにより、DSAFの形式と意味論を定義する。次に、既存の標準的な抽象論証の証明手続きをDSAFの推論手続きに変換する方法を提示する。最後に、得られたDSAF推論手続きのPrologベースの実装を提供する。

本論文では、前処理法とカーネル主成分分析(PCA)のパイプラインに進化戦略(ES)を採用した進化的チューニングアプローチを紹介する。単純な(1+1)-ESは、置換法、正規化や標準化などの様々な前処理段階を適応させ、カーネルPCAのパラメータを最適化する。欠損値を含むベンチマークデータを用いた小規模な実験により、進化的カーネルPCAパイプラインは比較的少数の最適化ステップで調整可能であることが示され、これにより進化的チューニングは非常に大きなデータセットを扱うシナリオに適用可能となることが示された。

次元削減(DR)は、各パターンの特徴量を減らすことで、高次元データセットの次元を下げるものである。データ解析や可視化におけるDR技術の重要性から、多種多様なDR手法が開発された。しかし,包括的な比較研究が行われていないため,既知の長所と短所に基づいて特定のタスクに最適なDR手法を選択することは困難である.このギャップを埋めるため、本論文では、13の人工および実世界のデータセットで29のDR手法を比較した広範な実験的研究を紹介する。本研究の性能評価は、6つの定量的な指標に基づいている。我々のベンチマークと評価スキームによれば、mMDS、GPLVM、PCAの各手法は、特殊なケースで例外が明らかになるものの、競合他社を凌駕することが判明した。

タスクネットワークはAIプランニングのための強力なツールである。前方STN計画やSHOPのような古典的アプローチは、通常、A*のような古典的なグラフ探索技術を使用して運用可能な非決定論的アルゴリズムを考案する。しかし、2つの理由から、この戦略は時に非効率的である。第一に、同一のタスクが探索プロセス内で何度も解決される可能性がある。すなわち、同一の部分問題が再利用されるのではなく、繰り返し解かれる。第二に、計画領域内のオブジェクトの一部が代替可能である場合、探索空間の大部分は冗長となる可能性がある。

本論文では、これらの問題を回避し、より効率的な計画プロセスを可能にする、単純なタスクネットワークの拡張を紹介する。我々の主な革新的技術は、計画中に新しい定数を作成し、AND-ORグラフ検索と組み合わせることである。これらの技術の利点を示すために、自動サービス構成の分野におけるケーススタディを行い、数桁の探索空間縮小を達成することができた。

ビジネスプロセスマネジメントの最大の課題は、適切かつ効率的なワークフローを構築することです。そのため、この取り組みにおいてドメインエキスパートを支援する知的な知識ベースのシステムが求められている。本論文では、プロセス指向事例ベース推論(POCBR)を適用したワークフロー作成について検討する。POCBRを紹介し、利用可能なベストプラクティスのワークフローモデルの検索と適応による経験ベースのワークフロー生成に適用できることを説明する。既存のアプローチは、原理的には既にその実現可能性を示しているが、生成されたワークフローは、複雑さの要件に関して最適化されていない。しかし、例えば、ワークフローの理解しやすさと同様に、適切な制定を保証するために、低い複雑性を持つワークフローに高い関心がある。したがって、本論文の主な貢献は、ワークフロー生成中にワークフローの複雑性を考慮するための新しいアプローチである。したがって、ワークフローのための複雑性尺度が提案され、検索と適応プロセスに統合される。実際の料理レシピを用いた実験的評価により、本アプローチの利点を明確に示している。

センサデータなどのノイズの多い曖昧な観測データのシーケンスからカテゴリ状態の事後分布を維持することは、1つの観測データが多数の異なる状態に対応する状況につながる可能性がある。これらの状態は、観測値から区別できないので、対称的と呼ぶ。推論中にそれらのそれぞれを考慮することは、たとえ小さなシナリオであっても計算上実行不可能である。しかし、特定の状況を抽象化し、全ての対称的な状態を一つの抽象的な状態で表現することにより、状況(仮説と呼ぶ)の数を減らすことができる。我々は、この抽象化を行う新しいベイジアンフィルタリングアルゴリズムを提案する。Lifted Marginal Filtering (LiMa) と呼ぶこのアルゴリズムは、Lifted Inferenceに触発され、計算状態空間モデルと多集合書き換えシステムで知られる技術を組み合わせて、パラメトリックな多集合状態記述に対して効率的な逐次推論を行うものである。我々は、LiMaと従来のフィルタリングを比較することにより、我々のアプローチが有効であることを示す。

最近、オンライン学習における後悔重み付きメタ帰納法(RW)の先験的な利点に基づき、帰納法の問題に対する新しい説明が開発された[1]。これは、可能世界に対する状態一様事前分布(SUPD)に対して、全ての(千里眼でない)予測手法が同じ予測成功を期待できると主張するものである。本論文では、4つの新しい結果に基づいて、この問題の解決策を提案する。

    • RWはフリーランチを楽しむ、すなわち、その予測的な長期的成功は他の予測戦略のそれを支配している。
    • しかし、NFLの定理は、事前分布がSUPDである場合、オンライン予測タスクに適用される。
    • SUPDは最大限の帰納的敵対性を持ち、RWがフリーランチを楽しむすべての可能な世界に対してゼロの確率を割り当てる。これにより、NFLとの対立が解消される。
    • RWの先験的な優位性は、SUPDの仮定下でも証明される。さらに、頻度一様分布を考慮すると、その優位性が明らかになる。
  • Dynamic Map Update of Non-static Facility Logistics Environment with a Multi-robot System

自律型ロボットは、環境を認識し、表現し、それに従って行動する必要がある。SLAM(Simultaneous Localization and Mapping)手法を用いると、ロボットは環境が変化しない限り、定位や経路探索に有効な環境地図を作成することができます。しかし、施設物流の環境は、パレットやその他の障害物が一時的に保管されているため、静的なものではありません。

本論文では、複数のユーザプロファイルに関連する出力を生成できる画像解釈のための認知アーキテクチャを考案するという一般的な目的の下、関連する説明文の生成を保証するために認知空間が提供すべき一連の操作について詳しく説明する。まず、コントラスト操作の実用的な定義づけを試みる。次に、認知研究においてよく知られた結果を再訪し、概念空間上で定義されたメトリックとは異なる、コントラストに基づく類似性の定義を概説する。

Technical Communications

本稿では,アントワープ港にあるターミナルで,人工知能(AI)技術を利用して管制室オペレータのアラーム処理作業を軽減する研究プロジェクトについて報告する.このターミナルにはいくつかの特徴があり、根本原因分析などの標準的な手法を使用することができません。そこで、プロセスエンジニアに着目し、彼らがアラームの発生件数を減らすためのシステムを開発しました。このシステムは、興味深いアラームを特定するためのコンポーネントと、アラームを分析するためのコンポーネントの2つで構成されています。両コンポーネントとも、ユーザーフレンドリーなビジュアライゼーションが開発されました。

本論文では、プランの実行シーケンスからエージェントのアクションモデル(システムの状態遷移をオーケストレーションするアクション設計図)を学習するアプローチを紹介する。これは、アクション内およびアクション間の依存関係を最大満足度問題(MAX-SAT)の形で表現し、それをMAX-SATソルバーで解くことにより、基礎となるアクションモデルを再構築するものである。従来のMAX-SATによるアプローチとは異なり、我々の選択した依存関係は、連続するアクション間の関係を利用し、最終的により正確に学習されたモデルをレンダリングする。

本論文では、計算論的なストーリーテリングシステムを実装するために、まだ採用されていない重要なナラティブフレームワークを明らかにする。この理論に基づき、BDIアーキテクチャを人格ベースの感情評価コンポーネントで拡張し、架空の人物をモデル化することを提案する。その結果、ある昔話のプロットを生成することができることが示された。この例では、システムのパラメータと、それによって広がるプロット空間を探求するために使用される。

臨床診療ガイドライン(Clinical Practice Guidelines, CPG)は、エビデンスに基づく医療の成果を臨床に還元する役割を担っている。ガイドラインの推奨事項を実装した臨床意思決定支援システム(CDSS)への関心が高まっている。このようなシステムの研究では、通常、ワークフロー言語と知識表現形式を組み合わせて検討する。ここでは、ドイツの統合失調症S3ガイドラインの一部をOWLベースで実装した概念実証の経験について報告する。情報技術的な観点から見ると、この実装の大きな特徴は、CPGを完全に論理ベースのオントロジーとして表現していることであり、例えば、ルールベースの行動形式や臨床経路を把握するためのハードワイヤードなワークフローに頼ることなく実現している。現在の目標は、このような実装が実現可能であることを証明することです。このアプローチに期待される長期的な利点は、CPG実装のモジュール化、メンテナンスの容易さ、および論理的な統一性です。

我々は、ロボットが協調してタスクを実行する必要があるシナリオを考える。我々は、すべてのロボットが同じ目標を持ち、共有された目標に到達するために次に行うべきことを自律的に決定するシナリオに焦点を当てる。ロボットは互いに助けを求めることによって同期することができる。我々のアプローチは、ロボットのゴールと行動が論理プログラミング(我々の場合はProlog)を用いて宣言的にコード化される知識ベースのアーキテクチャを構築しています。各ロボットは同じPrologプログラムを実行し、他のロボットに助けを求め、協調してサブタスクを解決する。本論文では、システムアーキテクチャと、アパートの片付けという概念実証のシナリオを紹介する。このシナリオでは、一組のロボットが自律的かつ協調的に動作し、散乱した物を適切な場所に配置することによって、模擬アパートを片付ける。

20年前に導入されて以来、Cartesian Genetic Programming (CGP) のパラメータ化と最適化の方法は、研究者によってほとんど変更されることなく続いてきた。この研究では、CGPの非標準的なパラメータ設定と最適化アルゴリズムについて調査しています。我々は、従来のCGPの使用方法、すなわち、(1+4) Evolutionary Strategiesスタイルの探索スキームによって最適化された単一行として構成することは非常に良い選択であるが、矩形のCGP幾何学とSimulated Annealingなどのより精巧なメタヒアリスティックは、より速い収束率をもたらすことができることを示す。

ヒューマンコンピュータインタラクション(HMI)は、手術室(OR)のような無菌環境で、外科医がスキャナーから取り込んだ臓器の画像をスクリーン上で操作する必要がある場合に有効です。外科医がキーボードやマウスに触れる必要がある場合、コンタミネーションの問題が起こることがあります。そこで、他のチームメンバーに尋ねることなく、汚染を減らし、画像とのインタラクションを改善するために、アルトランリサーチのこれまでの手法に基づいたジェスチャー・ツールボックス・プロジェクトが提案されています。画像とのインタラクションの方法として、LSF(フランス手話)から10種類の手話が選ばれています。手話を検出するために、事前に学習されたConvolutional Neural Network (VGG-16)を用いて、深層学習手法がプログラムされています。手の位置を検出し、ジェスチャーを分類するために、Kinectが使用されています。このシステムにより、ユーザーは認識されたサインに従って、スクリーン上の臓器から画像を選択、移動、ズームイン、ズームアウトすることができます。11人の被験者を使った結果では、実験室でこのシステムのデモを行っています。今後は、手術室での実際の状況でのテストを行い、外科医からのフィードバックを得て、システムの改良を行う予定です。

この論文では、拡張マインツァーキンダーティッシュ(ERKI)セットアップで生成されたデータを分析する。このセットアップでは、5つのスピーカを使用して、半円状に並べられた32個の仮想音源を生成する。これは医療分野での新しいテストセットアップである。被験者の課題は、ランダムに選ばれた異なる方向からの音の位置を特定することである。我々の分析では、大人と子供のテスト結果のデータを適用し、比較しました。その結果、ERKIセットアップが音の定位に適用可能であること、生成されたデータには医学的な理由で説明できる様々な特性があることが示された。さらに、ERKIセットアップによって生成されたデータを用いて、顕著な検査結果を検出できる可能性を示す。

非構造化ソースからの情報を処理する際、その情報に対して有用な推論を行うためには、多くの場合、数字を解析する必要がある。しかし、数は様々な形で表現されるため、そのような場合、様々な形の数表現に対応できる頑健な数解析器が必要となる。本稿では、条件付き確率場(Conditional Random Fields)に基づいて、このようなパーサーを学習する方法を示す。学習データとして、Wikipediaのインフォボックス項目と公共知識グラフの数値の組を用いる。その結果、90%以上の精度で数字を解析できることを示す。

ロボットエージェントのための知識獲得に関する研究では、人間向けの自然言語命令をロボット実行可能なプログラムに解釈することが検討されてきた。しかし、自然言語の持つ曖昧さが、このような「翻訳」の課題として残されている。本論文では、このような曖昧さのうち、自然言語命令によって記述されるプログラムの制御フロー構造について考察する。自然言語命令中に複数の条件文が現れると、どの条件文が同じテストの代替オプションとみなされ、どれが前の条件によって引き起こされたコード分岐に属するかは必ずしも明確ではない。我々は、文中の単語の意味を特定するために確率的推論を用いるシステムを、行動の前提条件と効果に関する推論で補強し、非感覚的なコード構造をフィルタリングしている。我々は、分析化学から着想を得たサンプル命令表を用いて、本システムをテストする。

様々なタイプのロボットの新しいアプリケーションでは、人間の近くで自律的に動作することが求められています。人間の安全を確保することは、常に支持されなければならない恒久的な要件です。ロボットが行うタスクがより複雑化するにつれ、適応的なプランニングコンポーネントが必要とされています。しかし、最近のプランニング手法は、ロボットシステムの安全性に寄与していないため、ロボットの力や速度の低下、停止といった手段に留まっている。我々は、計画実行中に、停止する代わりに、ロボットシステムがフォールバックできるバックアップ計画が必要であると主張する。我々は、安全に関する事象が発生した場合に安全なプランに戻るための回復方針を維持しつつ、現在の安全状況が許す限り、当初の安全なプランに付加価値を与えるために拡張する機会の任意活用によってプランのバリエーションを生成するアプローチを紹介する。

現代の職場は、例えばインダストリー4.0のような様々な領域で観察される、利用可能な大量の情報によって動かされています。そこで、疑問が生じます。アクターは効率的な職場環境を構築するためにどのような能力が必要なのだろうか?本論文では、チームワークのシナリオに役割構成を適応させるためのシミュレーションに基づく最適化アプローチを提案する。このアプローチは、マルチエージェントベースのジョブショップスケジューリングモデルを用いて、様々な役割構成の効果をシミュレーションすることで検証した。

ウェブ上の公開知識グラフ(KG)は、インテリジェントなアプリケーションを開発するための貴重な資産であると考えられている。KGには一般的な知識が含まれており、データ分析ツールやテキスト処理パイプライン、レコメンダーシステムなどの改善に利用することができる。DBpedia、YAGO、Wikidataなどの大手企業は、その性質やカバー範囲が似ていると思われがちだが、実際にはかなりの違いがある。本論文では、それらの違いを定量的に把握し、パブリックKGの重複部分と補完部分を明らかにする。これらの考察から、公共KGはほとんど互換性がなく、異なるドメインでの応用の場合、それぞれに長所と短所があると結論付けることができる。

GitHubで発見されたリポジトリの分類は難しいタスクであると考えられる。しかし、このタスクの解決は、多くの異なるアプリケーション(例えば、リコメンダーシステム)に役立つ可能性があります。本論文では、InformatiCup 2017コンペティションのために開発されたEnsemble Learningに基づくアルゴリズムであるClassifyHubを紹介し、高い精度と再現率でこの分類問題に取り組むことができることを説明します。さらに、我々はさらなる研究のために、分類されたリポジトリのデータセットを提供する。

ビッグデータは、研究や産業界で話題になっています。データの可用性は今ほど高くはありません。データをうまく活用することは、産業と社会のあらゆる側面で、挑戦的な研究テーマとなっています。ブレーメン・ビッグデータ・チャレンジは、ビッグデータを深く掘り下げるために学生を招待しています。毎年開催されるこのイベントでは、学生は3月の1カ月間、ビッグデータセットを分析し、得た知識を用いて質問に答えるという課題に取り組みます。今年のブレーメン・ビッグデータ・チャレンジでは、学生は大学のカフェテリアの負荷を過去の負荷から予測するという課題を課されました。24チームのうち最も優秀なチームは、5分で発行されたレシートの二乗平均平方根誤差8.6で負荷を予測し、上位5つのエントリーに基づく融合システムは、8.28というさらに良い結果を達成しました。

センチメント分析は、自然言語処理タスクの一つであり、文学の分析を含む多くの文脈に関連している。我々は、ドイツ語の小説の領域で初めて文レベルのセンチメント分析を可能にするために進行中の研究について報告する。ドイツ語の小説から抽出した文からラベル付きデータセットを作成し、既存のセンチメント分類器を適応させることで、二値極性分類のF1スコアは0.67という有望な値に到達した。

次回はKI2018について述べる。

コメント

  1. […] 前回はKI2017について述べた。今回は、2018年9月24日から28日にベルリンで開催されたKI2018で発表された論文について述べる。今回の会議の著名な研究テーマは、機械学習、マルチエージェントシステム、およびビリーフリビジョンとなる。全体として、KI 2018はAIの現在の研究トピックについて幅広い概観を提供した。 […]

モバイルバージョンを終了
タイトルとURLをコピーしました