4 0 0 0 OA プレイヤの発言に基づいた人狼ゲームの役職推定
- 著者
- 阪本 真基 上野 敦志 田窪 朋仁
- 雑誌
- 研究報告ゲーム情報学(GI) (ISSN:21888736)
- 巻号頁・発行日
- vol.2016-GI-35, no.12, pp.1-6, 2016-03-01
本論文では,自然言語によって対話を行うコミュニケーションゲーム 「人狼」 において,機械学習を用いてプレイヤの発言から役職の推定を行う手法を提案する.学習データはオンラインで提供される 「人狼 BBS」 のプレイログを用いた.プレイヤの発言を文書としてまとめ,word2vec を用いて単語の意味の類似性を考慮したベクトル表現を獲得する.獲得したベクトル表現を用いて,進行中のプレイヤの発言に基づいてプレイヤのベクトルを求め,k 近傍法,SVM により人狼の役職の推定を行い,交差検証により評価し考察した.
1 0 0 0 OA 文法推論のコンパイラ言語への適用
- 著者
- 常見 一樹 上野 敦志 田窪 朋仁 辰巳 昭治
- 出版者
- 人工知能学会
- 雑誌
- 人工知能学会全国大会論文集 (ISSN:13479881)
- 巻号頁・発行日
- vol.26, 2012
本研究の目的は、プログラミング言語において、ソースコードとそのソースコードが示す実行可能なデータ情報との対を要素とする学習データから、コンパイラに必要な構文解析情報を自動的に学習することである。本手法は、従来記号系列のみに特化していた文法推論にトークンの意味処理を追加し、構文の意味解析に繋げることである。この際予め字句解析など構文に関係ない処理は固定する。実験により本手法の学習可能性を示す。
- 著者
- 山城 啓秀 上野 敦志 武田 英明
- 出版者
- 人工知能学会
- 雑誌
- 知識ベ-スシステム研究会
- 巻号頁・発行日
- no.47, pp.37-42, 2000-03-27
1 0 0 0 移動のある物体を認識・管理するオフィスロボットの構築
- 著者
- 佐治 禎基 上野 敦志 武田 英明
- 出版者
- 一般社団法人電子情報通信学会
- 雑誌
- 電子情報通信学会技術研究報告. KBSE, 知能ソフトウェア工学 (ISSN:09135685)
- 巻号頁・発行日
- vol.99, no.719, pp.1-8, 2000-03-21
本研究はオフィス内に散在するオブジェクトを対象に, その認識, 管理を行うロボットを作成することを目的とする.実環境でロボットが人間と共存するためには, 環境の変化を自律的に認識管理する機能や人とのインタラクションを行なう機能が必要となる.ロボットはこの2つの機能を持つ事で環境または人間から必要な情報を獲得することができる.本研究で作成したシステムでは, 環境の自律的な認識機能として机の上のオブジェクトに関する情報を自律的に獲得し、認識を行なう事で位置変化のある物体の管理が可能となった.また, 人とのインタラクション機能としてはインターフェースによるインタラクションを行なう.人間はロボットが獲得した情報を閲覧し, 名前や使用方法, 属性なぢの概念的な情報をオブジェクトに追加したり, 必要なオブジェクトをロボットに依頼することができる.ロボットと人間で相互に情報を提示しあう事で環境内の有効な情報を獲得し, 環境全体の知識の共有を支援する.
1 0 0 0 自律エージェントのための状況認識と行動規則の同時学習
- 著者
- 上野 敦志 中須賀 真一 堀 浩一
- 出版者
- 社団法人人工知能学会
- 雑誌
- 人工知能学会誌 (ISSN:09128085)
- 巻号頁・発行日
- vol.15, no.2, pp.297-308, 2000-03-01
- 被引用文献数
- 9
Real robots should be able to adapt autonomously to various environments in order to go on executing their task without a break. For this purpose, they should be able to learn how to abstract useful information from a huge amount of information in the environment while executing their task. This paper proposes a new architecture which performs categorical learning and behavioral learning parallelly with task execution. We call the architecture Situation Transition Network System (STNS). In categorical learning, it makes a flexible state representation and modifies it according to the results of behaviors. Behavioral learning is reinforcement learning on the state representation. Simulation results have shown that this architecture can learn efficiently and adapt to unexpected changes of the environment autonomously.