著者

前田 巌 松島 裕康 坂地 泰紀 和泉 潔 ディグロー デビッド 加藤 惇雄 北野 道春

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会全国大会論文集 第34回全国大会(2020)

巻号頁・発行日

pp.2L4GS1304, 2020 (Released:2020-06-19)

---

高度な複雑系として知られる金融市場は,影響を与える要素の膨大さ,内部構造の非定常性,マーケットインパクトの存在といった要因により,予測が非常に難しい.これは近年目覚ましい発展を遂げた機械学習・深層学習手法を用いた場合でも同様で,金融市場予測は必ず不確かさを含んでしまい,不確かな予測に基づく投資判断は大きな損失や市場の不安定化の原因となる.本研究では,人工市場シミュレーションと深層強化学習の組み合わせにより,学習データの不足を補うとともにマーケットインパクトを考慮した学習を可能とし,上記の問題の解決を図った.基本的な単一市場のシミュレーション環境において実験を行い,提案手法の有効性が確認された.

著者

檜作 進 伊藤 恵子 前田 巌 二国 二郎

出版者

The Japanese Society of Applied Glycoscience

雑誌

澱粉科学 (ISSN:00215406)

巻号頁・発行日

vol.19, no.2, pp.70-75, 1972-09-15 (Released:2011-07-01)

参考文献数

5

被引用文献数

6 6

---

1)玉蜀黍,小麦,馬鈴薯,甘藷,糯玉蜀黍,糯米の5%でんぷん糊を,0~70℃ の定温(10℃ ごと)に1時間保存し,老化の温度依存性を調べた。糊化度は,グルコアミラーゼによる消化法(A法)と電流滴定による結合ヨード量の測定(I法)で行なった。でんぷん糊は,5%のでんぷん懸濁液を100℃ に5分および30分間加熱して調製した。 2)調製時の糊の糊化度は,甘藷や馬鈴薯でんぷんでは,糊化時間の長短,測定方法にかかわらず完全糊化(糊化度97%以上)と判定された。小麦や玉蜀黍でんぷんは,30分の糊化で,A法では完全に糊化しているとみられたが,I法では90%程度の糊化度を示し,アミロース分子の糊化が十分でないことが示唆された。玉蜀黍でんぷんの5分糊化の糊では糊化度はさらに悪く,82%であった。 3)いずれのでんぷんも,5分加熱の糊のほうが30分加熱の糊よりも老化しやすく,低温ほど老化が速やかで,0℃ が最も老化しやすかった。 4)糯質のでんぷんは最も老化し難く,0℃ においても老化は感知されなかった。ついで甘藷でんぷんが老化し難く,30分加熱の糊では0℃ においてもほとんど老化を起こさなかったが,5分加熱の糊では0~10℃ でわずかであるが老化がみられた。馬鈴薯でんぷんも甘藷でんぷんと同様な結果を示したが,甘藷よりは少し変化を起こしやすい性質が認められた。小麦でんぷんは,いも類でんぷんよりもはるかに老化しやすく,40~50℃以下の温度で老化が速やかになった。玉蜀黍でんぷんは小麦でんぷんと優劣をつけ難いが,50~60℃ 以下の温度で老化が速やかであった。 5)いずれの場合も,老化によってI法による糊化度の低下が顕著で,アミロース分子が老化を主導していることが示唆され,でんぷんの種類により,アミロース分子の老化の温度依存性に明らかな特徴がみられた。

著者

前田 巌 松島 裕康 坂地 泰紀 和泉 潔 ディグロー デビット 富岡 博和 加藤 惇雄 北野 道春

出版者

人工知能学会

雑誌

2019年度 人工知能学会全国大会(第33回)

巻号頁・発行日

2019-04-08

---

近年,社会の様々な場面で機械学習・深層学習手法による予測が活用されている.深層学習手法を用いて学習したモデルは高い精度で予測を行うことができるが,予測信頼性を十分に考慮できておらず,予測の困難な外挿データに対しても高い確信を持って予測を行ってしまう危険がある.本研究では画像識別タスクに対して,通常の深層学習手法および近年提案されている不確かさを考慮した深層学習手法を適用し,外挿データに対するモデルの頑健性を検証した.通常の深層学習手法により学習したモデルはモデル学習用データに存在しない特徴を持つデータに対して高い確信度で予測を行ってしまうが,不確かさを考慮した深層学習手法により学習したモデルはそのようなデータに対し確信度を低く出力し,誤った予測を回避することが可能となる.実験結果より深層学習手法における不確かさ評価の重要性が示唆された.

著者

前田 巌

出版者

法曹会

雑誌

法曹時報 (ISSN:00239453)

巻号頁・発行日

vol.59, no.4, pp.1361-1399, 2007-04