福原ゼミ

本研究では、専門知識を持つ照明オペレーターが担ってきたDMXを活用したライト演出を、一般のユーザーでも簡単に利用できるシステムとして実現することを目的とする。音楽の特徴量をリアルタイムに解析し、ライトを自動制御することで、曲のイメージを視覚化し体験をより没入的なものへと拡張する。将来的には観客の動きやドラムのリズムに連動した照明演出など、日常的なライブや配信環境でも手軽に導入できる「照明の民主化」を目指す。

自分がどのような音楽的傾向や好みを持っているのかを客観的に理解することは、音楽をより深く楽しむ上で重要な意味がある。本研究では、Spotify APIを利用して自身の最近の再生履歴を取得し、各楽曲が持つ特徴量を分析する。取得したデータを平均値やグラフとして可視化することで主観的になりがちな「音楽の好み」を、データ分析を通して言語化・整理することを目指す。

本研究の目的は、時間がかかりがちな日常での服選びを簡単に且つ楽しくすることである。気温や季節、ユーザーが登録した服の情報をもとに、最適なコーディネートを提案するシステムを提案する。服の形や色、季節タグなどの特徴をベースに服の選択を絞り、気温に応じて着用しやすいコーディネイトを提案する。

自分が「こうなりたい」と願う目標音源を自由に選び、自分の演奏と並べて分析できる楽器練習者用のシステムです。既存の固定されたお手本ではなく、独自の理想を追求できる点が特徴です。スペクトル解析等を用いて音の成分を可視化し、独学や部活動などでの音作りをデータでサポートします。

MediaPipeによる骨格推定を用いてボクシングのパンチ動作を動画から抽出し、手首軌道の直線性および速度を評価指標として定量化した。これにより、従来は主観的に判断されがちであったパンチフォームの良し悪しを数値として比較可能な評価システムを構築した

業務やオンライン学習において、集中力の低下や退屈していることの自覚の遅れが、作業効率の著しい低下を引き起こします。本研究では、WEBカメラ等から得られた情報をもとに”退屈状態”をリアルタイムで検知し、最適なタイミングでの休憩の提案や、タスク変更を促します。瞬間的な情報ではなく、1分間の平均値や発生率を用いることでノイズを排除し、判定の精度を挙げています。また、ユーザーごとのデータを蓄積することで、個人に最適化されたモデルが構築可能です。

ゲームをプレイしているときの人の心理状態を、脳波データを用いて可視化することを目的としている。Muse を用いて脳波を計測し、Mind Monitor アプリで取得したデータを CSV 形式で保存し、Python を用いて分析を行った。脳波の中でも、集中や緊張に関係するとされる Beta 波・Gamma 波 と、リラックス状態に関係するとされる Alpha 波 に注目し、それらを組み合わせた指標を計算することで、ゲーム中の心理状態を数値として表現する方法を検討している。ゲームの緊張感や没入度を客観的に評価し、将来的にはゲーム設計やプレイヤー体験の向上への応用を目指す。

現代において、配信動画などのリアルタイム性の高いコンテンツや長時間にわたる動画コンテンツに対し、それらを短時間に切り抜き、まとめた動画の提供がなされることがしばしばある。本研究では、切り抜き動画の制作支援システムの構築を通じ、個人の感性に頼らず、客観的なデータに基づいた映像編集の新しい形を生み出すことを目標としている。提案手法では、ライブチャット、音声認識、表示画面認識の3種から動画中の「盛り上がり」を定量化し、切り抜きを実施した。その結果を人が制作したものと比較し、どの情報が、どの組み合わせが動画要約に最適であるかを検証した。

本研究では、Web上で公開されている電車の運行情報データを収集し、遅延や運転みあわせがどのような状況で発生しているのかを分析した。記事タイトルや本文から発生日時、区間、駅、原因などの情報を抽出し、データとして整理することで、電車遅延に共通する特徴や傾向を明らかにすることを目的とした。データ分析を通して、今後の安定した運行や情報の提供の改善について考察する。

地震災害においては、本震発生後の余震による被災も課題となっている。しかし余震の被害を予測し、避難の基準を指し示すことは専門家でなければ難しい。本研究では、気象庁の地震データから建物被害と相関の高いSI値（スペクトル強度）を目的変数として設定し、Omori-Utsu則やBath則などの地震学的知見を特徴量として組み込んだ機械学習モデルを構築した。さらにSHAP分析により「なぜその予測になったか」を可視化し、時系列予測・地図表示・行動提案で「いつまで警戒か」「どう行動すべきか」を提示するシステムを開発した。専門知識と機械学習の融合が本研究の特徴である。

近年、ボードゲームにおいてAIは人間を凌駕する成果を上げているが、ゲームのルールや盤面のサイズが変化した際の適応能力や、計算資源（学習時間）が限られた状況でのパフォーマンス差については十分に検証されていない。本研究では、Connect4を題材とし、盤面サイズを拡大させることで平均候補手（分岐係数）や探索空間を人工的に変化させ、ゲームの性質が変わる環境を構築する。その上で、異なるアルゴリズムを持つ複数のAIエージェントに対し、一定の学習時間という制約を与えた条件下での対戦実験を行う。これにより、ゲームの複雑度が増大した際に、どのAIアルゴリズムが計算資源を効率的に利用し、強さを維持できるのか、その相関関係と最適なエージェント選択の指針を明らかにすることを目的とする。

現代のニューラルネットワークにおける教師あり学習では、損失関数の最小化に最急降下法や確率的勾配降下法(SGD法)が一般的に用いられている。一方、正定値対称行列(SPD)が持つ、共分散特徴やSPD距離などのSPD構造を内部に含むモデルでは、学習問題が局所的にSPDな二次最適化問題として近似されるため、共役勾配法（CG法）がより効率的な最適化を実現できる可能性がある。本研究ではSPD構造をもつ画像認識モデルを対象とし、SGD系手法とCG法の最適化性能を比較する

概要・・・

徹夜の勉強は本当に意味があるのか？」この問いに、生理学と数式で答えます。本研究では、学習効果を従来の「時間×質」ではなく、睡眠・水分・栄養状態を統合した「コンディション係数」を含む数式で再定義しました。Van Dongenらの睡眠負債モデル等をアルゴリズムに組み込み、脳の覚醒度に合わせてタスクを動的に制御。「無駄な努力」を排除し、学習の時間対効果を最大化します。

本プロジェクトでは、指先に振動刺激を提示する触覚デバイスを開発し、人がどのように触覚情報を知覚・判断するかをデータサイエンスの観点から分析しました。各指に異なる振動強度や時間の刺激を与え、その反応や識別結果をデータとして収集・可視化することで、触覚提示の有効性を定量的に評価しました。本研究は、感覚体験を「感覚」だけで終わらせず、データとして扱うことで、将来のインタフェース設計や人と技術の関係を再考する試みです。