人工知能学会 第74回 人工知能基本問題研究会 (SIG-FPAI)

  主査 山本 章博
  幹事 平田耕一，伊藤 公人，植野 真臣，久保山哲二
  担当幹事 山本章博

●開催日：2009年9月14日(月)-15日(火)

●会場：  広島市立大学 情報科学部棟別館６階 交流ラウンジ
          〒731-3194 広島市安佐南区大塚東三丁目4番1号
          交通案内                   http://www.hiroshima-cu.ac.jp/guide/index.html
          キャンパス案内             http://www.hiroshima-cu.ac.jp/sum/campus/center.html
          バス停から会場までの行き方 http://info.hiroshima-cu.ac.jp/Map/index.html

●テーマ: 特集「機械学習の諸科学への応用」および一般


●招待講演：
赤間陽二氏（東北大学 理学研究科）

可換シャッフルクローズド正規言語, ネーター性, および極限学習
Commutative Regular Shuffle Closed Languages, Noetherian Property, and Learning in the Limit

Abstract: In crystallography, it is important to determine the structure of the crystals from
the diffraction patterns and so on. However it is often the case that only local information is
available or some information is missing, we cannot help but employ some machine inference
techniqeus(statistical inference, or so) or so. Fortunately, a crystalline structure is the elementwise
union of translated lattices, and such a structure can be studied with computational learning
theory, by using finite elasticity and so on. In this paper, we are concerned with finite elasticity
for classes of (semi)group-like structures. One is the class of $AN^d + F$ such that $A$ is a matrix of
size $e × d$ with nonnegative integer entries and $F$ consists of at most $k$ number of $e$-dimensional
nonnegative integer vectors, and another is the class $X^d_k$ of $AZ^d+F$ such that $A$ is a square matrix
of size $d$ with integer entries and $F$ consists of at most $k$ number of $d$-dimensional integer vectors
($F$ is repeated according to the lattice $AZ^d$). Each class turns out to be the elementwise unions of
$k$-copies of a more manageable class. So we formulate “learning time” of a class and then study in
general setting how much “learning time” is increased by the elementwise union, by using Ramsey
number. We also point out that such a standpoint can be generalized by using Noetherian spaces


●開催趣旨:
  計算機で扱われる科学データが増大する中、機械学習はデータ分析技術として注目されています。
  今回の研究会では「機械学習の諸科学への応用」をテーマとし、科学データを扱う機械学習や
  知識発見の手法・事例に焦点をあてたいといます。
  また、科学データ分析への応用が期待される新たなアルゴリズム等も広く募集します。
  奮ってご応募願います．

●研究会には会員でなくても発表・参加可能ですが，研究会奨励賞の対象になりません．もし会員でない方はこの機会に是非入会ください．
  online入会はこちら↓
  http://www.ai-gakkai.or.jp/jsai/info/member_join.html
  
●参加費：無料
  
  ただし，資料が必要な方は資料代1冊1,500円が別途かかります．
  学生会員の参加者には無料で配布いたします．
  
●照会先：山本章博(京都大学）
  E-mail: akihiro@i.kyoto-u.ac.jp



--------------------------------------------------------------------
　　　　　　　　　　　プログラム
--------------------------------------------------------------------
○　一日目 【9月14日（月）13:20-18:00】

● 開会 13:20

● セッション1 13:30-15:00

探索位置索引と最終照合位置の特性を使った制約付き系列パターンマイニング
○北原洋一，佐藤誠 (（株）東芝)

Sketchによる大容量記憶データに対する高速な空間検索法に関する研究
○岩崎瑶平，Arnoldo Jose Muller-Molina，篠原武 (九州工業大学)

R-treeの検索高速化に関する研究　〜ノードへのデータ配置法の提案〜
○青木隆明，田島圭，篠原武 (九州工業大学)

● 招待講演 15:15-16:15

赤間陽二 (東北大学)

● セッション2 16:30-18:00

クラスタリングを用いたH3N2亜型インフルエンザウイルスの地域間遷移解析
○佐田 和也, 平田 耕一(九州工業大学), 伊藤 公人(北海道大学), 久保山 哲二(学習院大学)

ハウスドルフ距離を用いたフラクタルによる図形の学習
杉山 麿人(京都大学)，廣渡 栄寿(北九州市立大学)，立木 秀樹，山本 章博(京都大学)

Interpreting Learners as Realizers for $\Sigma^0_2$-Measurable Functions
○Matthew de Brecht and Akihiro Yamamoto(京都大学)

(懇親会) 

○　二日目 【9月15日（火）10:00-11:30】

●セッション3  10:00-11:30 

超グラフの非巡回度と非巡回部分超グラフ発見問題
大梧諦真，平田耕一(九州工業大学)

極小非可解構造の埋め込みによる難しい３COLインスタンスの組織的生成
○長澤圭孝,水野一徳(拓殖大学),西原清一(筑波大学)

拡張BDI論理TOMATOを用いた確率的状態遷移のモデル化について
新出尚之(奈良女子大学) ○高田司郎(近畿大学)、藤田恵(奈良女子大学)