化学品の市場調査、研究開発の支援、マーケット情報の出版

~ 脈波・モーションによる人間の心理状態の推定およびその活用の留意点 ~

トリケップスセミナーのご案内

     開催日時:2020年2月14日(金)11:00~17:00
     会  場:オームビル  → 会場へのアクセス 
          〒101-8460 東京都千代田区神田錦町3-1
     参 加 費:お1人様受講の場合 47,000円 (税別/1名)
          1口(1社3名まで受講可能)でお申し込みの場合 57,000円 (税別/1口)
          お申し込み受付中

申込方法

 お1人様受講の場合、下記のカートへの投入、あるいはFAX用紙にてお申込ください。
 1口でお申し込みの場合、下記のFAX用紙にてお申込ください。
 折り返し、聴講券、会場地図、請求書を送付いたします。

  お1人様申込み
     FAX申込用紙PDF 
  1口(1社3名まで受講可能)でお申し込み    FAX申込用紙PDF 
 

講 師

梶原 祐輔(かじわらゆうすけ)氏 
  公立小松大学 生産システム科学部 准教授(博士(工学))

<略 歴>
 2009年 東京電機大学 理工学部 情報システム工学科 卒業
 2011年 金沢大学大学院 自然科学研究科 電子情報工学専攻 博士課程前期課程 修了
 2013年 金沢大学大学院 自然科学研究科 電子情報科学専攻 博士課程後期課程 修了
 2013年 立命館大学 情報理工学部 助教
 2018年 公立小松大学 生産システム科学部 准教授
  現在に至る

<研究テーマ>
 IoT技術を活用したシステムの研究開発

<所属学会等>
 情報処理学会会員、電気学会会員。
 平成25年~平成26年 情報処理学会 関西支部幹事補佐
 平成27年~平成28年 システム制御情報学会 SCI’16実行委員
 平成28年~平成29年 システム制御情報学会 SCI’17実行委員

<受賞学術賞>
 2016年 International Conference of Universal Researchers SESSION BEST PAPER
 2014年 情報処理学会 情報処理学会優秀論文賞(MBL研究会推薦)
 2013年 金沢大学 金沢大学大学院自然科学科長賞

セミナーの概要

 本セミナーでは、まずウェアラブルセンサと機械学習による人間の心理状態の予測・推定の有用性と必要性について触れ、これらを導入し、活用するための留意点について解説するとともに、質疑応答を通して理解を深めます。その上で、感情が喚起した際の生体信号の変化や認知的負荷時の動作の変化について解説し、動作と生体信号、認知的負荷の関係についての理解を深めます。また実例を交えて、機械学習を解説し、理解を深めます。
 本セミナーを受講することで、ウェアラブルバイタルセンサやモーションセンサを用いたココロの可視化や機械学習を活用したインテリジェント製品の開発に役立ちます。

講義項目

 1 感情を推定する様々な方法
  1.1 アンケート・生体信号・行動
  1.2 感情は脈波に表れる
  1.3 認知負荷は行動に表れる

 2 心理モデルの構築
  2.1 アンケートの実施
  2.2 アンケートに基づいた心理モデルの構築

 3 脈波計・脈拍計と機械学習の応用事例
  3.1 性格特性を考慮した感情の推定
   3.1.1 感情推定の汎化能力の向上に向けて
   3.1.2 BIG-FIVEに基づく性格特性
   3.1.3 性格に基づいたクラスタリング
   3.1.4 性格特性を考慮した感情の推定と結果
  3.2 生体信号と気象データを用いた近未来の快気分の予測
   3.2.1 ステップワイズ法による変数選択と回帰モデル
   3.2.2 気象データと快・不快気分の関係
   3.2.3 近未来の気分予測結果と予測因子
   3.2.4 気分の分布と遷移

 4 加速度センサと機械学習の応用事例
  4.1 深層学習を活用したヒューマンエラー予兆の検知
   4.1.1 Working Rhythmの導出
   4.1.2 安全度による人工知能と作業者の協同
   4.1.3 ヒューマンエラー予兆の検知結果
  4.2 腰の動きに基づいた認知負荷の推定
   4.2.1 歩行の乱れの導出
   4.2.2 歩行の乱れと認知負荷の関係
   4.2.3 歩行者の認知負荷の推定精度

 5 深層学習を用いたピッキング作業中の人間の心理状態(不快感情・眠気・退屈)の予測
  5.1 ピッキング作業中に変化する、作業者の心理
  5.2 IoTを利用した作業者の動作・生体信号の取得
  5.3 作業者の心理モデルの構築・評価
  5.4 視線、脈波、動作を用いた深層回帰モデルによる心理の予測と結果