著者

志村 正子

出版者

鹿屋体育大学

雑誌

一般研究(C)

巻号頁・発行日

1993

---

これまでに集積したデータを分析し、今年度は特に運動が精神状態に及ぼす影響とその個人差に関する研究の学会報告を行った。一方、運動の対精神影響に関する実験を評価テストを一部交換して続行し、音楽の効果に関してもジャンルの異なる曲を用いてさらに実験を重ねた。音楽が精神状態に及ぼす影響は、これまでの検討でも概して曲の性質によく対応していたが、躍動的な音楽としてロック音楽を、静かで明るいクラシック音楽としてヴォルフ・フェラーリのマドンナの宝石を用いても、不安・緊張・抑うつ・攻撃・混乱などのネガティブな気分の低減はマドンナの宝石で著しく、活動性の高まりはロック音楽の方でやや大きかった。また、マドンナの宝石による抑うつの低減は、内向性格あるいはタイプA傾向のもので大きい、音楽を聴いて集中度が高まったのは特性不安の低いものであった等、効果の個人差も認められた。2カ月間程度の有酸素的運動の精神影響としては、不安と抑うつの低減が再認され、新たに検討したCMIにおいても身体的・精神的自覚症がともに減少傾向にあった。さらに、2年度にわたる実験的検討の結果、運動の対精神影響は、身体的影響よりも認めやすいだけでなく、それらの効果は、性別、年齢の高低、性格、心理・行動傾向などの個人的特性によっては異ならないことが明らかになった。種々の運動種目毎に、短期的・即効的な対精神影響を評価しても、ネガティブな気分の低減と爽快な気分の増大という精神影響は著明であり、かつ運動種目による差異は認め難かった。運動・音楽いずれにも著明な好ましい精神影響を認めたが、音楽の効果が曲や聴く側の性質に依存しやすいのに対して、運動の効果は、運動の種類や人を選ばず認められる傾向にあった。運動はメンタルヘルスを目的として処方できる可能性が大きいと評価された。

著者

ブンサーム キッスィリクン 沼尾 正行 志村 正道

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.8, no.1, pp.46-54, 1993-01-01

被引用文献数

2

---

Recently there has been an increasing interest in learning systems which induce first-order logic programs from examples. However, due to the intractability of the hypothesis space, such systems which use exhaustive search, e.g., MIS, are unable to learn reasonably complex programs. Previous solutions have been proposed to overcome this difficulty : while some systems restrict their hypothesis space, others use heuristics or additional knowledge such as analogical structures or abstraction. However, existing systems still have limitations. GOLEM gives up completeness by restricting the hypothesis space to only determinate clauses. A determinate clause is a clause composed of only determinate literals. A literal is determinate if each new variable in it has only one binding. Even the commonly used generate-and-test programs generate candidate solutions for their test routine, and thus are non-determinate. FOIL avoids exhaustive search by using Gain heuristic to select a literal that greedily discriminates positive examples from negative examples. Although it is able to learn some classes of problems efficiently, the heuristic fails to capture other aspects of usefulness of a literal, i.e., it overlooks a useful literal which produces no discrimination. For instance, a literalpartition (Head, Tail, List 1, List 2) in the quick-sort program does not discriminate between positive and negative examples. We propose a new heuristic-based approach to the learning of Horn-clause logic program with list structure. Our system, CHAM, learns a class of complex programs not learned by previous systems, i.e., non-determinate programs out of the learning space of GOLEM, and programs with non-discriminating literals which pose difficulties for FOIL. Experiments on learning Prolog programs with list structure have shown that while being able to learn a large class of programs, CHAM preserves efficiency in various test problems.

著者

ブンサーン キッスィリクン 沼尾 正行 志村 正道

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.7, no.6, pp.1027-1037, 1992-11-01

被引用文献数

8

---

Learning systems find a concept based on positive and negative examples by using given terms, such as features and predicates. Most learning systems employ selective induction, and find a concept description composed of only predefined terms. However, if such terms are not appropriate, constructive induction or shift of bias are required to invent new terms. Although there has been increasing interest in systems which induce a first-order logic program from examples, there are few systems that perform constructive induction. FOCL invents new terms, i.e., new predicates, by combining existing subpredicates. Based on interaction with its user, CIGOL invents terms without any given subpredicate. This paper presents Discrimination-Based Constructive inductive learning (DBC) which invents a new predicate without any given subpredicate nor any user interaction. Triggered by failure of selective induction, DBC introduces a new predicate into a previously found incomplete clause. This is performed by searching for a minimal relevant variable set forming a new predicate that discriminates positive examples from negative ones. If necessary, DBC also recursively invents subpredicates for the definition. Experimental results show that, without interactive guidance, our system CHAMP can construct meaningful predicates on predefined ones or from scratch. Our approach is system independent and applicable to other selective learning systems such as FOIL.

著者

志村 正法 遠藤 つかさ 宮崎 邦彦 吉浦 裕

出版者

一般社団法人情報処理学会

雑誌

情報処理学会研究報告コンピュータセキュリティ(CSEC) (ISSN:09196072)

巻号頁・発行日

vol.2008, no.71, pp.187-193, 2008-07-17

---

個人情報が電子化されネットワーク上で授受されるに従い,その漏洩が社会問題となっている。個人情報の漏洩には様々な形態があるが,なかでもデータベースからの漏洩は大量の個人情報が一度に漏洩するので,極めて甚大な被害をもたらす.データベースからの情報漏洩対策として,秘密分散法及び暗号を用いてデータが漏洩しても読めないようにする方法がある.しかしこれらの従来方法を採用した場合,JOIN 演算など,複数のテーブルにまたがる構造演算が不可能であった.本論文では,関係データベースの構造演算が関係代数によってモデル化されることに着目する.マルチパーティプロトコルを用いて関係代数演算を実現し,秘密分散法によって分散されたデータベース上で,データを一度も復元することなく全ての構造演算を可能とする.As personal information comes to be in digital and transferred on networks, its leakage is becoming more and more serious social problem. Among various ways of personal information leakage, the leakage from databases is most serious because databases store vast amount of personal information. Methods of making data unreadable even if they have been copied outside are therefore studied actively using secret sharing and cryptography. With these previous methods, however, legal queries are limited, i.e., structural operations over multiple tables (such as JOIN) are impossible. In this paper, we take into account the fact that structural operations of relational databases are modeled by relational algebra. We then propose a method that can execute relational algebra in a multi-party protocol and thus can perform any structural operation over secret-shared databases without restoring plain text data.