手塚研究室では機械学習や統計学に基づくデータ解析・データマイニング・信号処理の研究を行っています。

教育データ分析による得意・不得意の分析

多数の生徒が受けたテスト結果に対して行列分解を行うことで、各問題をその前提となる知識の集合(スキルセット)に分解し、各生徒がどのスキルを獲得し、また未獲得であるのかを明らかにすることで、その後の学習に役立てる研究を行っています。


テニスのモーション解析

テニスコート全体を覆うモーションキャプチャシステムを使用してテニスにおけるボールとプレーヤーの軌跡を取得し、時系列モデリングを行うことで失点に繋がりやすい動きを検出し、選手の強化に役立てる研究に取り組んでいます。


単一画像からの奥行き推定

二枚のカメラで撮影したステレオ画像と違い、単一の画像だけではカメラから各点への距離(奥行き)を推定することは困難ですが、人間は経験に基づき、片眼で見てもある程度物体への距離を推測できます。そこで深層学習(畳み込みニューラルネットワーク)を使い、大規模画像集合からの学習を行うことで、画像の各ピクセルごとに、距離(奥行き)がどの程度であるかを推定する手法を開発し、ロボットビジョンやVRへの応用を目指しています。


多チャネルスパイク系列上のカーネル

神経細胞間ではほとんどの情報が活動電位(スパイク)によって伝えられるとされており、脳における情報表現の理解においてスパイク系列の解析は欠かせません。スパイク系列の間に類似度や距離を定義する研究は以前から行われていますが、近年ではより一般的な二変数関数であるカーネルをスパイク系列上で定義する手法が提案されています。これによって機械学習において広く使われているカーネル法がスパイク系列に対して適用できるようになります。手塚研究室ではこれまで研究されてきた単独のスパイク系列に対するカーネルではなく、多数のスパイク系列(多チャネルスパイク系列)上のカーネルについて研究を行っています。


スパース符号化のための辞書学習手法K-SVDの高速化

情報を少数のテンプレートの重ね合わせで表現するスパース符号化が注目を集めています。スパース化の度合いは適切なテンプレートの選択に依存するため、データから適切なテンプレート集合(辞書)獲得させる辞書学習が重要とされています。たとえばウェーブレットはスパース符号化のための辞書と捉えることができますが、辞書学習ではデータごとに適切な辞書を獲得することを目的とします。辞書学習の代表的手法のひとつであるK-SVD法は計算量の多いSVD(特異値分解)を繰り返し使用するため、その高速化の研究に取り組んでいます。