☆☆☆ Web配信セミナー ☆☆☆
☆☆☆ 本セミナーは、Zoom/ウェビナーを使用して、行います。☆☆☆
トリケップスセミナー
開催日時：2022年1月18日（火）10:30～16:30
参 加 費：お1人様受講の場合 51,700円（税込/1名）
1口（1社3名まで受講可能）でお申し込みの場合 62,700円（税込/1口）
★ 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
★受講中の録音・撮影等は固くお断りいたします。
講 師
荒川 俊也（あらかわとしや）氏
日本工業大学 先進工学部 情報メディア工学科 教授（博士（学術））
/ 政策研究大学院大学 政策研究センター 客員研究員
2001年 早稲田大学 理工学部 機械工学科 卒業
2003年 東京大学大学院 総合文化研究科 広域科学専攻 博士前期課程 修了
2003年4月～2013年2月 富士重工業株式会社 スバル技術研究所 勤務
2008年～2012年 総合研究大学院大学 複合科学研究科 統計科学専攻 博士後期課程修了，博士（学術）
2012年10月～2013年3月 情報・システム研究機構 統計数理研究所 外来研究員
2013年3月 政策研究大学院大学 契約職員
2013年4月 愛知工科大学 工学部 機械システム工学科 准教授 兼 情報・ システム研究機構 融合プロジェクト「超大容量ゲノム・多元軸表現型データの統計情報解析による遺伝機能システム学」共同研究員
2016年4月 愛知工科大学 工学部 機械システム工学科 教授 （大学院 工学研究科 システム工学専攻 教授 併任）
2017年5月 政策研究大学院大学 政策研究センター 客員研究員
2018年4月 愛知工科大学 高度交通システム（ITS）研究所 所長
2020年4月 愛知工科大学 次世代自動車システム研究所 所長
2021年4月 日本工業大学 先進工学部 情報メディア工学科 教授
現在に至る
＜学会＞
自動車技術会，計測自動制御学会，日本オペレーションズ・リサーチ学会，日本 知能情報ファジィ学会，産業応用工学会，日本情報教育学会，応用科学学会 会員
＜主な委員＞
2003年～2006年，2012年～2013年 自動車技術会 ドライバ評価手法検討部門委 員会 委員
2013年～2021年 自動車技術会 ヒューマンファクター部門委員会 委員
2014年～ 愛知県ITS推進協議会 特別会員（学識）
2016年～ 自動車技術会 エレクトロニクス部門委員会 委員
2019年～ 日本知能情報ファジィ学会 東海支部 運営委員
2020年4月～ 自動車技術会 エレクトロニクス部門委員会 幹事
2020年4月～ ヒューマンインタフェース学会 論文誌編集会 委員
＜主な受賞＞
2014年 産業応用工学会 全国大会2014 優秀論文発表賞
2015年 産業応用工学会 2014年度論文賞
2016年 産業応用工学会 全国大会2016 優秀論文発表賞
2016年 計測自動制御学会 システム・情報部門学術講演会2016 研究奨励賞
セミナーの概要
現在注目を集めている予防安全技術の効果を一層高めるためには，運転しているドライバ自身の状態を検出し，推定することで，運転に適切な状態にさせる技術が必要となると考えられます．また，今後普及が期待されている自動運転技術についても，例えば，マニュアル運転と自動運転のシームレスな遷移をもたらすために，ドライバ状態検出・推定技術が役立つでしょう．
本セミナーでは，予防安全技術の歴史やロードマップを基にして，ドライバ状態検出技術の最新研究開発動向および将来の展望について詳細に解説すると共に，ドライバ状態を検出するに当たって活用が期待される統計科学的手法，機械学習の手法について説明します．
講義項目
1.1 統計データと連邦自動車安全基準から探る
1.2 予防安全の分類
1.3 2次安全から1 次安全へ
1.4 そして0次安全へ
1.5 周辺環境認識技術の現状
1.6 新しい0 次安全に向けて
2 ドライバを知る技術
2.1 「外向き」から「内向き」へ
2.2 ドライバを計測する
2.3 ドライバ状態検出技術について（概論）
2.4 ドライバ状態検出手法の長所と短所
3 ドライバ状態検出技術
3.1 視線挙動に基づくドライバ状態検出手法の研究紹介
3.2 心拍に基づくドライバ状態検出手法の研究紹介
3.3 その他のドライバ状態検出手法の研究紹介～脳波, 血圧，筋電位，呼気，発汗～
4 予防安全機能の実現に向けた統計科学・機械学習の概論（ビッグデータの扱い方）
4.1 機械学習の概論
4.2 教師なし学習～クラスタリング，混合ガウスモデル，隠れマルコフモデル～
4.3 教師あり学習～一般化線形モデル，サポートベクタマシン，ニューラルネットワーク，深層学習など～
4.4 統計科学・機械学習をどう用いるか？
5 まとめ