世界的な環境問題が深刻化する中、企業はサプライチェーン管理においてますますグリーンで持続可能な発展を重視しています。グリーンサプライチェーン管理（Green Supply Chain Management, GSCM）は、企業の競争力を高め、持続可能な成長を実現するための重要な手段となっています。しかし、グリーンサプライヤーの選定（Green Supplier Selection, GSS）は、複数の意思決定者の異なる意見と不確実性を伴う複雑な多基準グループ意思決定問題（Multicriteria Group Decision-Making, MCGDM）です。従来のMCGDM手法は、専門家の意見の信頼性と曖昧さを扱うのに十分ではなく、現実の複雑な状況を正確に反映することが難しいです。 この...

学術的背景 近年、ナノテクノロジーとモノのインターネット（IoT）の急速な発展により、革命的な分野であるナノモノのインターネット（IoNT）が誕生しました。ナノモノのインターネットは、ナノスケールのデバイスをインターネットに接続し、農業、軍事、マルチメディア、医療などの分野で重要な役割を果たすことができます。しかし、ナノモノのインターネットと機械学習（ML）の両方が著しい進歩を遂げているにもかかわらず、これらをどのように組み合わせるかに関する包括的な研究は比較的不足しています。既存の研究は主にナノモノのインターネットのアーキテクチャ、通信方法、特定の分野への応用に焦点を当てており、機械学習がデータ処理、異常検出、セキュリティにおいて持つ可能性を見落としています。したがって、本論文はこの空白を...

学術的背景 感情認識（Emotion Recognition）は、人工知能（AI）と感情コンピューティング（Affective Computing）分野における重要な研究テーマであり、特に医療、教育、ヒューマンコンピュータインタラクション（HCI）などの分野で広範な応用が期待されています。音声は感情表現の重要な媒体であり、声のトーン、話す速度、音量などの特徴を通じて豊かな感情情報を伝えることができます。しかし、会話シーンにおける音声感情認識（Speech Emotion Recognition, SER）は、感情の動態性、マルチモーダルデータの融合、感情アノテーションの正確性など、多くの課題に直面しています。 AIが会話中の音声感情を認識する（Speech Emotion Recogniti...

インターネット・オブ・シングス（Internet of Things, IoT）とWeb of Things（Wot）の急速な発展に伴い、セキュリティ問題が顕在化しています。特に、サービス拒否攻撃（Denial of Service, DoS）の頻発により、Wotシステムの安全性は緊急の課題となっています。Wotは、IoTデバイスをWeb技術と統合することで、デバイスとインターネットのシームレスな接続を実現していますが、これにより新たなセキュリティ上の課題も生じています。Wotデバイスの異種性と開放性のため、従来のセキュリティメカニズムでは複雑な攻撃シナリオに対応することが困難です。したがって、本論文では、システマティック・レビュー（Systematic Literature Review,...

学術的背景 デジタルコンテンツの急速な成長に伴い、デジタル署名が身分認証やコンテンツ認証においてますます重要性を増しています。しかし、デジタル署名の安全性と完全性は深刻な課題に直面しています。署名の真正性を保護し、改ざんを防ぐために、デジタルウォーターマーク技術が登場しました。デジタルウォーターマークは、デジタルコンテンツに不可視だが識別可能な情報を埋め込むことで、データの出所と完全性を効果的に検証できます。近年、変換領域に基づくウォーターマーク技術（例えば離散コサイン変換DCTや離散ウェーブレット変換DWT）は、ロバスト性、不可視性、および認識精度のバランスが取れていることから注目を集めています。 本稿では、オンラインハンドライティング署名におけるマルチビットウォーターマーク埋め込み技術、...

学術的背景 現代のビッグデータ時代において、分散学習（Distributed Learning）は大規模なオンライン機械学習問題を解決するための有効な方法となっています。しかし、分散学習における頻繁な通信と射影操作（Projection Operations）は、高い通信コストと計算コストをもたらします。特に高次元の制約付き最適化問題において、射影操作の計算複雑度は非常に高く、アルゴリズムの効率に深刻な影響を与えます。これらの問題を解決するために、本論文ではイベントトリガー機構（Event-Triggered Mechanism）に基づく分散型Frank-Wolfeオンライン最適化アルゴリズムを提案し、通信オーバーヘッドと計算コストの削減を目指しています。 Frank-Wolfeアルゴリズム...

学術的背景 コンピュータビジョン分野において、雨筋（rain streaks）は特に屋外監視、自動運転、インテリジェント交通システムにおいて一般的な干渉要因です。雨筋は画像品質を著しく低下させ、視覚システムの識別および分析能力に影響を与えます。従来の雨筋除去手法は通常、単一の画像に依存して処理を行いますが、雨筋の複雑さと多様性のため、遠距離の雨筋や複雑なシーンを処理する際に効果が限られています。近年、深層学習技術、特に生成敵対ネットワーク（Generative Adversarial Networks, GANs）は画像処理分野で大きな可能性を示しています。しかし、既存のGANベースの雨筋除去手法は、異なる方向、形状、透明度の雨筋を処理する際に課題が残っています。そのため、本研究は、雨筋をよ...

学術的背景 人工知能（AI）と自然言語処理（Natural Language Processing, NLP）の急速な発展に伴い、大規模言語モデル（Large Language Models, LLMs）は学術界と産業界で顕著な進歩を遂げています。しかし、LLMsが複数のNLPタスクで優れた性能を発揮しているにもかかわらず、すべてのタスクを同時に満たす単一のモデルはまだ存在しません。この多様なタスク要件と評価基準の複雑さにより、LLMsの評価は多基準意思決定（Multi-Criteria Decision-Making, MCDM）問題となっています。従来のMCDM手法はランキングを行うことができますが、不確実性、タスクの優先順位、データの変動性などの点で限界があり、特にバイナリデータを扱う...

背景紹介 コンピュータビジョン分野において、視覚的注意モデルの研究は、人間の視覚システムが画像や自然シーンから関心領域を選択する方法をシミュレートすることを目的としています。人間の脳は、視覚シーン内の顕著な領域を迅速かつ正確に識別する能力を持っており、この能力は画像処理、物体認識、画像セグメンテーションなどのタスクにおいて重要な意義を持ちます。しかし、画像内の複数の顕著な物体を効果的に検出することは依然として挑戦的な問題です。 ゲシュタルト理論（Gestalt Theory）は、現代の認知学習理論の基礎であり、「全体は部分の総和よりも大きい」と強調し、その中でも類似性（similarity）と近接性（proximity）は重要な原則です。ゲシュタルト理論は視覚知覚研究に重要な理論的基盤を提供...

学術的背景 近年、中国語の単語ベクトル（Chinese Word Embedding）は自然言語処理（Natural Language Processing, NLP）の分野で注目を集めています。英語とは異なり、中国語の文字構造は複雑で多様であり、これが意味表現に独特の課題をもたらしています。従来の単語ベクトルモデル（例：Word2Vec）は中国語を処理する際、漢字内部の微妙な意味情報を十分に捉えることができず、特に異なるレベルのサブワード情報が意味に与える貢献の違いを無視しがちです。例えば、漢字は画数、部首、ピンインなどの複数のサブコンポーネントで構成されており、これらのサブコンポーネントは異なる文脈において意味理解に重要な役割を果たします。しかし、既存のモデルはこれらの情報を処理する際、...