視神経頭の構造的特徴に基づく残差密集ネットワーク (RD-Net) を用いた緑内障予測 背景と研究目的 緑内障は、世界的に失明を引き起こす主な原因の1つであり、「視覚の静かな窃盗者」として知られています。その主な特徴は、視神経頭（Optic Nerve Head, ONH）の進行性の損傷であり、患者が視覚障害に気付く前に不可逆的な視力喪失を引き起こす可能性があります。統計によれば、緑内障は白内障に次ぐ失明の2番目の主要原因です。緑内障の早期スクリーニングと正確な診断は、疾患の進行管理および患者の視力維持において重要な役割を果たします。 臨床的には、緑内障の診断は以下の構造および機能性テストに基づきます：眼圧（Intraocular Pressure, IOP）の測定、視神経頭の構造評価、およ...

戦略合意に基づく分散型決定性マルチエージェント強化学習研究レポート 強化学習（Reinforcement Learning, RL）は近年、ロボティクス、スマートグリッド、自動運転などの多くの分野で顕著な進展を遂げています。しかし、現実のシナリオでは、マルチエージェント（Multi-Agent Reinforcement Learning, MARL）の協調学習がしばしば要求されます。このような問題の中心的な課題は、通信能力の制約やプライバシー保護の条件下で、効率的なマルチエージェント協調強化学習アルゴリズムを設計することです。現在の多くのMARLアルゴリズムは、広く使用されている集中型訓練-分散型実行（Centralized Training with Decentralized Exec...

脳インスパイア型低エネルギー生成モデル——Spiking Diffusion Models研究評述 背景概説 近年、人工知能分野で多くの先端技術が登場しており、その中でも深層生成モデル（Deep Generative Models, DGMs）は画像やテキストなどのデータ生成において顕著な能力を示しています。しかし、これらの生成モデルは人工ニューラルネットワーク（Artificial Neural Networks, ANNs）を骨格ネットワークとして依存しており、計算リソースとメモリ消費に高度に依存する特性が大規模応用における消費エネルギー問題を顕著化させています。一方で、約20ワットの消費電力で動作する人間の脳と比較して、ANNsのエネルギー効率は明らかに及びません。この点がより高エネル...

精細な手がかりとノイズの不一致性に基づく顔偽造検出を深掘り 背景紹介 人工知能（AI）技術の急速な進展により、多様な生成モデルが驚くべき進歩を遂げています。これにより、高精度の「ディープフェイク（Deepfake）」顔画像を生成することがますます容易になりました。これらのリアルな顔偽造画像は、エンターテイメントや映画制作などの分野で合法的に利用されていますが、虚偽情報の拡散や世論の誘導、さらには社会安全や国家安全の脅威といった悪意のある目的にも使用されています。特に主流メディアが暗黙的な圧縮を採用する場合、圧縮プロセスが偽造の痕跡を希薄化し、検出をより困難にしています。そのため、効果的な顔偽造検出方法の開発はマルチメディア情報セキュリティ分野の中心的な課題となっています。 現在、既存の多くの...

SHAPに基づく電力価格予測モデルの改良とその説明可能性の分析 背景と研究動機 電力市場における価格予測モデルは近年注目を集めており、市場の価格変動が関係者の財務に与える影響を考える上で重要です。特に、ヨーロッパのエネルギー市場では、エネルギー危機や地政学的要因の影響で、ここ数年燃料価格が急騰し、それに伴い電力市場の価格変動性が著しく増加しています。予測誤差がわずか1%でも、発電会社や需要応答事業者、取引会社などに大きな財務的影響を与える可能性があります。例えば、使用電力量が1GWに達する企業において、予測誤差が1%減少するだけでも、年間約1,200万ドルのコスト削減が可能となります。そのため、市場参加者にとって電力価格予測（Electricity Price Forecasting, EP...

複数目的動的柔軟ジョブショップスケジューリングにおける画期的研究：多タスク学習による目標偏向の最適化を実現した革新的手法 背景紹介 動的柔軟ジョブショップスケジューリング（Dynamic Flexible Job Shop Scheduling, DFJSS）は重要な組合せ最適化問題であり、製造や倉庫管理などの生産プロセスに幅広く応用されています。例えば、製造プロセスのタスク割り当てや倉庫の注文ピッキング作業の最適化に利用されています。この問題の中心点は、動的な環境下で複数の機械やジョブに対する柔軟なタスク割り当てと操作順序の決定を行い、特定の効率指標を最大化したり時間コストを最小化することにあります。しかし、この問題の複雑さは非常に高く、特にタスクが動的に到着したり機械が故障した場合、従来...

非専門家ポリシー強化学習に基づくドローンの視覚制限環境における障害回避能力の向上に関する研究 近年、ドローン（Unmanned Aerial Vehicle, UAV）はその卓越した機動性と多様な機能性により、荷物の配送、リスク評価、緊急救助といった民間分野で広く利用されています。しかし、ドローンが遂行するミッションの複雑性、範囲、持続時間が増加するにつれて、特に混雑した高い不確実性の環境で障害回避を実現することが大きな課題となっています。しかし、従来のグローバルナビゲーション手法は通常、視覚が制限された条件下での障害シナリオを処理することが難しく、全体的な情報に依存しています。本研究では、このようなシナリオでの障害回避問題に取り組み、ドローンのリアルタイムナビゲーション能力を向上させること...

自適応ハイパースフィアニューラルネットワーク分類器：ASNN研究レビュー はじめにと研究背景 近年、人工知能と深層学習の発展により、ニューラルネットワーク（Neural Networks, NNs）は分類タスクに広く応用されています。このタスクの本質はニューラルネットワークを通じて決定境界を定義し、サンプルを対応するクラスへ分類することにあります。しかし、従来のニューラルネットワーク分類法では、埋め込み空間（Embedding Space）の拡張性とサンプル同士の正負ペアリング（Positive/Negative Pairing）の効率が低いことが、ニューラルネットワーク性能の向上を制限する重要な問題となっています。具体的には、既存のペアワイズ制約（Pair-wise Constraint-...

集約蒸留における知識確率化の応用研究 学術背景：研究の意義と問題提起 近年、深層ニューラルネットワーク（Deep Neural Networks, DNN）は、その卓越した予測能力により、自動運転、医療診断、気候予測などの安全性が重要な分野で広く利用されています。しかし、これらの分野ではモデルの高精度な予測能力だけでなく、信頼できる不確実性定量化（Uncertainty Quantification）も求められます。特に、自動運転車が雪道などの複雑な環境で判断を下す場合、モデルが極端に自信を持つことが安全ではない決定を招く可能性があります。そのため、不確実性の定量化を強化することは、深層学習の応用において重要な課題の一つです。 深層アンサンブル学習（Deep Ensemble）は、予測精度と...

RNNの効率的な活性化関数実現：CORDICアルゴリズムとFPGAハードウェア加速の革新 背景と研究の重要性 近年、ディープラーニング技術の急速な発展に伴い、特にリカレントニューラルネットワーク（Recurrent Neural Networks, RNNs）および長短期記憶ネットワーク（Long Short-Term Memory, LSTM）が、自然言語処理（Natural Language Processing, NLP）、音声認識、医療診断などの時間系列タスクにおいて強力な能力を発揮しています。しかし、畳み込みニューラルネットワーク（Convolutional Neural Networks, CNNs）と比較して、RNNモデルはその複雑性および非線形活性化関数の需要が多いため、計算...