所属
社会共創学部 産業マネジメント学科 准教授
職名
准教授
連絡先
外部リンク
タチバナ ヨシアキ
橘 惠昭
Tachibana Yoshiaki
学位
-
修士(工学)
研究分野
-
情報通信 / 計算科学
学歴
-
静岡大学
- 1996年
-
静岡大学 電子科学研究科 電子応用工学
- 1996年
国名： 日本国
-
静岡大学
- 1991年
-
静岡大学 工学部 情報知識工学科
- 1991年
国名： 日本国
経歴
-
愛媛大学 法文学部 総合政策学科 准教授
所属学協会
-
情報処理学会
-
人工知能学会
取得資格
-
衛生工学衛生管理者
論文
-
新型コロナウイルス感染症による大学生活への影響：大学生はBefore コロナに戻ることができるのか？
折戸洋子, 崔英靖, 岡本隆, 岡本直之, 曽我亘由, 橘惠昭
愛媛大学社会共創学部紀要 7 ( 1 ) 11 - 29 2023年3月
-
SDGs への支払意思額に基づく理系学部生の社会貢献意欲の検討
崔英靖, 折戸洋子, 岡本隆, 岡本直之, 曽我亘由, 橘惠昭
愛媛大学社会共創学部紀要 7 ( 1 ) 30 - 40 2023年3月
書籍等出版物
-
改訂版 情報化社会のリテラシー －情報と技術･経済･経営･倫理･法律･福祉－
晃洋書房 2010年
-
情報化社会のリテラシー －情報と技術･経済･経営･倫理･法律･福祉－
晃洋書房 2005年
MISC
-
Development of Expert Systems with Learning Mechanisms in a Stock Market Analysis -Discussions about the Prototype-
Ehime Economic Journal 16 ( 2 ) 105 1997年
-
学習機構を持つ株価分析エキスパートシステムの開発-プロトタイプシステムの課題-
愛媛経済論集 16 ( 2 ) 105 1997年
-
Development of Expert Systems with Learning Mechanisms in a Stock Market Analysis -Discussions about the Prototype-
Ehime Economic Journal 16 ( 2 ) 105 1997年
-
ル-ルベ-ス洗練化システムの枠組みに関する研究
静岡大学大学院電子科学研究科研究報告 ( 15 ) 119 - 132 1994年
-
Unifying Rule Induction and Rule Refinement -towards Discovering Anomaly from Granville' s law in a Stock Market Technical Analysis-
YAMAGUCHI T.
Internatinal Journal of Intelligent Systems in Accounting, Finance and Management 3 ( 2 ) 127 - 141 1994年
-
Unifying Rule Induction and Rule Refinement -towards Discovering Anomaly from Granville' s law in a Stock Market Technical Analysis-
Internatinal Journal of Intelligent Systems in Accounting, Finance and Management 3 ( 2 ) 127 - 141 1994年
-
A Technical Analysis Expert System with a Knowledge Refinement Mechanism
The First International Conference on Artificial Intelligence Applications on Wall Street 86 - 91 1991年
-
A Technical Analysis Expert System with a Knowledge Refinement Mechanism
YAMAGUCHI T.
The First International Conference on Artificial Intelligence Applications on Wall Street 86 - 91 1991年
共同研究・競争的資金等の研究課題
-
メタ学習機構に基づくアクティブマイニング
2001年 - 2004年
日本学術振興会 科学研究費助成事業 特定領域研究
山口 高平, 櫻井 彰人, 篠沢 佳久, 大崎 美穂, 福田 直樹, 阿部 秀尚, 和泉 憲明, 橘 惠昭
配分額：40500000円 （ 直接経費：40500000円 ）
まず,属性選択メソッドリポジトリを体系化するために,「初期状態の設定」「属性部分集合の評価」「探索操作」「探索の終了判定」という4つの基本メソッドを同定し,過去の属性選択の研究成果に基づき,各基本メソッドを具体化・階層化し,最終的に240種類の属性選択アルゴリズムを再構成可能にした.性能評価実験では,フィルタアプローチ,ラッパーアプローチ(前向き探索),ラッパーアプローチ(後向き探索),シーズメソッド,因子分析とシーズメソッドの組合せ手法と比較し,34種類のUCI MLデータセットを利用して,従来のどの属性選択法より精度が高くなることを確認できた.
次に,ルールの興味深さ指標の調査を進め,最終的に39種類の客観的評価指標をリポジトリ化し,それらの評価値の組み合わせで興味深いルールを選択するためにメタ評価値を,決定木,ニューラルネット,線形回帰で学習したところ,単一評価指標を使用する場合と比べて高い精度を達成できた.さらに,マイニングシステムとユーザのインタラクションを含む半自動的な再構成の手続きを考え,「正解データの収集」「ユーザの思考支援」「興味推定とルール推奨」を動的に行う構成的ルール評価支援ユーザインタフェースを設計し開発した.
最終的に,構成的メタ学習に基づく属性選択,マイニング,ルール選択を統合したシステムを開発し,本研究領域の共通データである慢性肝炎データセットに適用したところ,ある条件下でGPTが約3年周期で変動するという,GPTは単調変化するという定説に反するルールが得られた.実験では,周期変動の原因を突き止めるレベルまでは到達しなかったが,専門医がこの知識に興味をもった点は評価できるといえる. -
バイアスを探索する知識発見システムの構築と評価
1999年
日本学術振興会 科学研究費助成事業 特定領域研究(A)
山口 高平, 和泉 憲明, 橘 恵昭
配分額：2500000円 （ 直接経費：2500000円 ）
本研究では,まず,代表的な帰納学習アルゴリズムを分析した後,帰納メソッド群を体系化し,各メソッドには仕様を与えて,最も具体的なメソッドにはソースコードも付与した,プロセスオントロジーを構築した.その後,それらのメソッドを組み合わせて,ユーザの与えた条件を満足する帰納アプリケーションを自動的に合成するシステムCAMLETを実装した.
次に,3種類の医療データベース(髄膜脳炎140レコード,細菌培養検査約2万レコード,膠原病約2万レコード)を利用して,CAMLETにより自動合成された帰納アプリケーションによって学習されたルールセットが,専門家である医師にとって,どの程度興味深いルールを生成できるかについて検討した.その結果,正解率だけの評価基準とボトムアップ的な合成プロセスでは,無意味なルールを多数生成する事が判明したので,正解率とルール数に依存した評価基準とトップダウン的な合成プロセスに改良し,再度,3種類の医療データベースを利用して同様の実験を行った結果,無意味なルールの学習を抑制することが確認できた.
最後に,ルールを多様な評価基準の下で評価するために,予測精度以外に,意外性,計算コスト,学習モード,コンパクト性,知識表現,理解容易性などの導入に関する基礎的な考察を行うとともに,相関ルールやベイジアンネット等のメソッドを組み込んでプロセスオントロジーを拡張することにより,新しいメタ学習システムの基本設計を行った.今後は,この基本設計を進めて,システムを完成させることが課題である. -
バイアスを探索する知識発見システムの構築と評価
1998年
日本学術振興会 科学研究費助成事業 特定領域研究(A)
山口 高平, 橘 恵昭
配分額：2700000円 （ 直接経費：2700000円 ）
本研究では,まず,スターアルゴリズム,バージョン空間法,決定木学習(ID3,C4.5),遺伝的アルゴリズムに基づく分類器学習,Boosting & Baggingなどの帰納学習アルゴリズムを分析し,帰納メソッド群を「データセット生成法」「分類器集合生成法」「データセットと分類器集合の評価法」「データセット更新法」「分類器集合更新法」の5つのグループに分けた後に,帰納学習メソッドの仕様記述スキーマを決定して,帰納学習メソッドの体系(プロセスオントロジー)を構築した.次に,メソッドの操作対象物(情報)に対しても,同様に仕様記述スキーマを考察した後,その体系(オブジェクトオントロジー)を構築した.このようにして,2つのオントロジーを構築した後,帰納アプリケーションの初期仕様を構築するフェーズ(コンストラクション),所与のデータセットを使って初期仕様を具象化するフェーズ(インスタンシエーション),具象化された仕様をプログラムライブラリーを使用して実行可能コードに変換するフェーズ(コンパイル),実行コードがユーザが与えた精度を満足するかどうかを判定するフェーズ(テスト),精度を満足しない時,初期仕様を変更(その後,再度インスタンシエーションから処理を繰り返す)するフェーズ(リファインメント)という5つのフェーズにより,帰納アプリケーションを自動合成するシステムCAMLETを試作した.さらに,ML性能評価のために広く使われているUCI MLリポジトリーを使用して,CAMLETの性能を評価したが,帰納学習メソッドの組合せレベルで,従来とは異なった新しい帰納アプリケーションを自動生成するととちに,過去の代表的な帰納学習システムと比較して高い性能を示すことが確認できた.
-
機械学習におけるバイアスの研究
資金種別：競争的資金
-
Study of Machine Learning and Bias
資金種別：競争的資金