This paper evaluates whether Wi-Fi sensing using CSI can detect NC milling machine tools' machining status and other operations without contact sensors. Since the transmission path of Wi-Fi communication changes slightly due to equipment vibrations, the CSI data changes depending on the NC machine tool's operation. We evaluate whether the NC machine tool's operation status can be estimated from these changes. Experiments conducted by changing the operating conditions and cutting materials showed that NC milling machines' operating and machining conditions could be estimated using CSI.

It is well known that, in the case of frequency domain blind channel estimation, the channel gains are correctly estimated but the channel phases are not necessarily estimated correctly: the channel estimates are often accompanied with phase ambiguity because the phase range for numerical calculation is restricted to (-pi, pi]. In this paper, a new frequency-domain blind channel estimation without phase ambiguity is proposed for QAM-OFDM systems of which transmitting and receiving stations are in LoS (Line of Sight) under the conditions: i) the absolute value of phase rotation is less than pi/2 at all subcarriers, and ii) it is less than pi/4 for at least one subcarrier among them. From several simulation results for 50 sub-carriers with 16 QAM using 2048 OFDM blocks, it is confirmed that, when the SNR (Signal-to-Noise Ratio) in baseband region is over 20[dB], the QAM-OFDM channel is estimated at high precision without phase ambiguity. The restored symbols resulting from the channel estimates give the bit-error-rate of about 10(-3) or less at SNR >= 20[dB] for the case that the ratio of the root-mean-square delay spread to the OFDM symbol length is 1/16.

[Abstract] Orthogonal frequency division multiplex (OFDM) systems are widely used in various fields such as wireless LAN, digital terrestrial television and 3.9th generation cellular phone due to their excellent characteristics; high frequency efficiency, high tolerance to multi-path fading and high communication stability. However, it is not easy to understand the principle of OFDM. In this paper, an OFDM simulator available for beginners is developed by means of Simulink so that they could understand the principle.

In real world environments where acoustic signals are contaminated with various noises, it is difficult to estimate the Signal-to-Noise Ratio (SNR) only from signals observed at microphones the knowledge of acoustic transfer functions and original source signals is inevitable for SNR estimation. The present paper proposes a method to estimate SNR approximately in the real world environments without the knowledge of transfer functions and source signals: SNR is estimated after application of Independent Component Analysis (ICA) to the signals observed at microphones. Our proposed method also works as a speech segment detector since detection of speech segments are necessarily carried out in the course of SNR estimation. From several experimental results, the proposed method has been confirmed to be valid.

In this paper we propose a blind estimation of fading coefficients without using the pilot symbols in QAM-OFDM systems subjected to carrier frequency offset (CFO), where the phases of the fading coefficients are within +/-pi/4. First, under a frequency selective fading channel, the inter-carrier interference (ICI) due to CFO is formulated in the framework of independent component analysis (ICA). Then the permutation and scale uncertainty inherent in ICA is resolved and CFO is estimated. Next, based on the CFO estimation results, the fading coefficients are estimated by use of the fact that symbol constellation at each sub-carrier is stretched/shrunk and rotated according to the value of its fading coefficient. Then, the unknown transmitted symbols are restored by use of the coefficient estimates. Finally, the validity of the proposed approach is confirmed from several simulations for 16QAM-OFDM.

In order to solve the blind source deconvolution, a convolved mixing process in the time domain is often transformed into an instantaneous mixing model in the frequency domain. However, the model is only an approximated one and thus does not work effectively under highly reverberant environments. By dividing the impulse response properly, Servière has precisely transformed the time-domain convolved mixture to a frequency-domain convolved mixture and has proposed a new FDICA approach available under high reverberation. In the approach, however, the permuation and scaling problems are unresolved as well as the distortion due to whitening. In the present paper, an improved approach without such problems is proposed and is confirmed to be valid in a highly reverberant real environment

本論文では,周波数オフセット(CFO : Carrier Frequency Offset)と周波数選択性フェージングの影響を受けたQAM-OFDMについて,フェージング係数の位相が±π/4未満のとき,フェージング係数をパイロットシンボルを使わずにブラインド的に推定する方法を提案する.具体的には,まず,周波数選択性フェージングのあるもとでCFOに起因するキャリヤ間干渉(ICI : Inter-Carrier Interference)をICA(lndependent Component Analysis)モデルで定式化して,ICAに付随する成分置換やスケール不定性の解消法やCFOの推定法を提案する.次に,各サブキャリヤのコンステレーションがフェージング係数の値に応じて伸縮・回転することを利用して,CFOの推定結果をもとにフェージング係数を推定する.そして,その係数の推定結果を用いて未知の送信シンボルを復元する.最後に,提案法の有効性を16QAM-OFDMに対するシミュレーションで確認する.

直交周波数分割多重は,周波数オフセット(CFO)がある場合,サブキャリヤ間の直交性が崩れるため,サブキャリヤ間干渉(ICI)を引き起こして通信性能が劣化する.そのため,様々な周波数オフセット推定法が開発されている.本論文では,新しく独立成分分析(ICA)に基づいてICIを解消する方法を提案する.すなわち,まず,ICI問題をICAモデルの枠組みで定式化する.次に,ICAに付随して起きる成分置換やスケール不定の解法原理を明確にして,拘束条件付き自然こう配(NG)アルゴリズムを提案する.最後に,ICAによる結果を利用して,CFOを推定するとともに,未知の送信シンボルを復元する.提案法の有効性はシミュレーションにより確認した.

本論文では階層型ニューラルネットワークの学習によって得られる最終的なネットワーク構造から入出力間の関連性をルールとして抽出するための学習である構造学習において最適構造が得られやすくなるための初期条件について考察し，初期値設定法として提案した

本稿て？は階層型ニューラルネットワークにおける冗長ユニットをユニット間の類似度に基つ？いた削除アルコ？
リス？ムを提案し,アヤメ分類問題を対象としたシミュレーションにより有効性を検証し，初期ユニット数か？増加しても最終的なネッ ト構造か？変化しないことを示した．

階層型ニューラルネットワークを対象とした構造付き忘却学習において著者らの提案する初期値設定法を適用した際の構造決定過程の解析と生成されるネットワーク構造の最適性について示した．

階層型ニューラルネットワークの学習特性を解析し，これまで実験的に示されてきた両極型ユニットによる学習性能の向上についてニューラルネットワークの各ユニットが成す分離超平面による幾何学的な解析により理論的に明らかにした．

本論文では三層のニューラルネットを対象に幾何学的観点に基づいた初期パラメータの設定指針を提案すると同時に訓練データの正規化について考察し，正規化と初期値設定の関連性を明らかにした．さらにアフィン変換による正規化を学習終了後のネット荷重に埋め込む手法も提案した．

In this paper, we propose an initialization method of multilayer neural networks(NN) employing the structural learning with forgetting. The proposed initialization consists of two steps: weights of hidden units are initialized so that their hyperplanes should pass through the center of input pattern set, and those of output units are initialized to zero. Several simulations were performed to study how the initialization effects the structure forming process of the NN. From the simulation result, it was confirmed that the initialization gives better network structure and higher generalization ability.

This paper formulates a necessary condition for multilayer nets to have solutions by a set of normal vectors orthogonal to separation hyperplanes. Comparing the necessary condition to the distributions of normal vectors with the weights and biases initialized ordinarily by random numbers with zero mean, it is derived that bipolar nets are superior to unipolar nets in convergence of the back propagation learning initialized in such an ordinary manner.

非線形ユニットがしきい値関数で与えられる場合について, XOR問題の解を分離超平面に直交する法ベクトルで定式化して, 解領域の形状が両極型と片極型ネットで異なることを示す. この結果からBP学習のアトラクタはネット極性に依存することが示唆される.

本論文では,入力パターンがアフィン変換の関係にある学習課題に対して,同一構造の多層ネットは,シグモイド関数の極性や値域幅の大きさによらず等しい濃度の解を持つことを明らかにする.この結果は,多層ネットをアナログハードウェア化する際のスケーリング問題に適用できる.入力パターンやシグモイド関数の値域がK倍に拡大された場合,バイアスはそのままにして荷重を1/K倍すれば,分離能力や汎化能力は保存される.また,荷重やバイアスの初期値を上記のように設定した場合,バイアス更新と荷重更新に対する学習係数をそれぞれ1/K^2倍と1/K^4倍にすれば,誤差逆伝搬(BP)学習の収束挙動は元のものと等価になる.さらに,通常のように,荷重とバイアスの初期値を同一分布の一様乱数で設定し,双方の更新に対する学習係数を等しく与えてBP学習させた場合,良好な収束を与える初期値はKの増大とともに小さくなることをシミュレーションにより示す.

本論文では多層ニューラルネットの解空間と学習挙動をユニット極性の観点から考察し，各層におけるユニット極性の組合せにより解の挙動を明らかにした．

OFDMシステムは,周波数オフセット(CFO:Carrier Frequency Offset)がある場合,サブキャリア間の直交性が崩れキャリア間干渉(ICI:Inter-Carrier Interference)が生じて,通信性能が劣化する.そのため,様々な周波数オフセット推定法が開発されている.本稿では,送信シンボルが統計的に独立であるという仮定のもとで,独立成分分析(ICA:Independent Component Analysis)に基づいて,受信シンボルのみからブラインド的にCFOを推定してICI問題を解消する.まず,ICI問題をICAモデルの枠組みで定式化する.次に,ICAに固有の成分置換やスケール不定性の問題に対して解法原理を明確にして,CFOを推定する.CFO解消後の受信シンボルのコンステレーションは,送信シンボルがフラットフェージング係数の大きさと位相に比例して伸縮・回転する.QAM型変調方式について,このことを利用すれば,位相が±π/4の範囲にある係数は推定できる.以上の結果をもとに未知の送信シンボルを復元する.最後に,16QAMを例に,提案法の有効性をシミュレーションにより検証する.

OFDMシステムは,周波数オフセット(CFO:Carrier Frequency Offset)がある場合,サブキャリア間の直交性が崩れキャリア間干渉(ICI:Inter-Carrier Interference)が生じて,通信性能が劣化する.そのため,様々な周波数オフセット推定法が開発されている.本稿では,送信シンボルが統計的に独立であるという仮定のもとで,独立成分分析(ICA:Independent Component Analysis)に基づいて,受信シンボルのみからブラインド的にCFOを推定してICI問題を解消する.まず,ICI問題をICAモデルの枠組みで定式化する.次に,ICAに固有の成分置換やスケール不定性の問題に対して解法原理を明確にして,CFOを推定する.CFO解消後の受信シンボルのコンステレーションは,送信シンボルがフラットフェージング係数の大きさと位相に比例して伸縮・回転する.QAM型変調方式について,このことを利用すれば,位相が±π/4の範囲にある係数は推定できる.以上の結果をもとに未知の送信シンボルを復元する.最後に,16QAMを例に,提案法の有効性をシミュレーションにより検証する.

本報告では, IKONOS衛星リモートセンシング画像を用いたニューラルネットによるサンゴの健全度評価手法について検討する.すなわち, 池間らによる水深補正アルゴリズムをニューラルネットに学習させることで任意の地点における衛星画像から底質指標を算出し, サンゴ礁の健全度を評価する手法について検討する.その際, 衛星画像としては最高解像度が82cmという高い解像度を持つIKONOS衛星画像を利用する.また, 学習に用いることのできる水深補正に関する実測値が限られているため, 著者らの提案した, 限られた訓練データから構造学習が可能な学習アルゴリズムを適用することで汎化能力向上を目指す.

本報告では先に提案した初期値設定法が忘却付き構造学習によるニューラルネットのルール生成にどのような影響を及ぼすかを検討する.この初期設定法は2つのステップから構成され,中間ユニットに対してはそのユニットのなす分離超平面が提示入力集合の重心を通るように荷重を設定し,出力ユニットにおいては荷重を全てゼロにする.5入力および7入力プール代数発見問題を対象としたシミュレーション実験の結果,忘却付き構造学習に初期値設定法を適用することでネット構造が単純化され,ルール生成可能な最適構造への収束率が向上することから,ルール生成能力が改善されることを確認した.

本稿では類似ベクトルを削除するアルゴリズムについて提案し,アヤメ分類問題を対象としたシミュレーションにより有効性を検証する.すなわち,まず初期中間ユニヅト数が多くなってくると分離能力が似通ったユニットが多く出現することを述べ,忘却付き構造学習ではこのようなユニットを削除することが難しいことを示す.そして,中間ユニットにおける類似度をユニット出力差に基づいた類似度とユニットがなす分離超平面に基づいた類似度という二つの観点から検討し,学習時に類似度が高いユニット組と結合している荷重を削除するためのアルゴリズムについて提案する.アヤメ分類問題を対象としてシミュレーション実験の結果,幾何学的な観点に基づいたユニット削除法では,初期ユニット数が増加しても最終的なネット構造が変化しないことを示す.

脂質高分子膜の膜電位計測型味センサは,様々な味溶液に対してそれぞれ固有のパターンの形状を示すためパターンの形状より味物質を推定できる。しかし、含まれる味物質が多数になるほど,味物質間の相互作用等によって含有昧物質に分解することは困難となる。そこでニューラルネットワークを用いることで,複合味に対する味センサの応答パターンから味物質の濃度を推定することを試みた。

本報告では先に提案した初期値設定法が忘却付き構造学習によるニューラルネットの構造決定にどのような影響を及ぼすかを検討する.この初期値設定法は2つのStepから構成され,中間ユニットに対してはそのユニットのなす分離超平面が提示入力集合の重心を通るように荷重を設定し,出力ユニットにおいては荷重を全てゼロにする.アヤメ分類問題を対象としたシミュレーション実験の結果,提案法を用いることでネット構造が単純化され,汎化能力も向上することを確認した.

本稿では類似ベクトルを削除するアルゴリズムについて提案し,アヤメ分類問題を対象としたシミュレーションにより有効性を検証する.すなわち,まず中間ユニット数が多くなってくると分離能力が似通ったユニットが多く出現することを述べ,忘却付き構造学習ではこのようなユニットを削除することが難しいことを示す.そして,中間ユニット間の類似度を調べるための手法について検討し,学習時に類似度が高いユニット組と結合している荷重を削除するためのアルゴリズムについて提案する.中間ユニットにおける類似度については,似たような分離性能を示すユニットを,分離超平面に直交する法ベクトル同士の内積により定義することで,類似度の高いユニットの学習を抑制するための手法について検討する.これにより,冗長ユニットは学習過程において自然淘汰されるため,最適な構造が形成されることが期待される.以上の有効性を幾つかの学習課題を対象としてシミュレーションにより検証する.

本報告では,現状の不正侵入検知システムの問題点である未知の攻撃に対する脆弱性を補うために,モジュール型ニューラルネット(MNN)を用いた利用者識別システム構築について検討する.すなわち,各モジュールに通常利用時の個人プロファイルを生成する学習法について,ネットワーク上を流れるパケットをキャプチャリングすることで得られるパケットをコマンド毎に分離した上で符号化したものを訓練データとする方法について提案し,その有効性を検証する.符号化方法としては,それぞれのコマンドの持つ属性により決定することで,各コマンドを機能毎の特徴に分類し個人毎のプロファイルの特徴を細分化することができる手法について検討する.そして,実際の作業時のキャプチャデータを個人プロファイルを格納したMNNに提示することによって,普段の行動と異なる状態を検出するシステムを構築する.

本研究ではC言語用の汎用ニューラルネットライブラリの設計を行う。その際、各パラメータを構造体の階層的な配置により表現することで、各機能関数への引き渡しがネット全体を示す1つの構造体で実現可能となる。これにより、メモリ管理や構造設計などの煩雑な処理過程を考慮しなくても、容易に階層型ニューラルネットをプログラムとして作成することが可能となる。また、ネット構成が階層構造を有しているため、ネットの拡張や新しい機能関数の設計なども簡単に行えると考えられる。さらに、学習状況の可視化やパラメータ設定のGUI化をGtk+により実装することで、実行環境の簡単化、利便性の向上が図れ、CAI等への応用も期待できる。

本稿では正規化や特徴抽出などの前処理過程を埋め込んだ多層ネットで時系列信号を識別させる方法について検討する. すなわち, 複数のサブモジュールから構成されるモジュール構造ネットにおいて, サブモジュール毎に最適な前処理を個別に埋め込む方法を提案することで認識能力の向上を図る. 睡眠脳波信号に対する認識実験の結果、通常のように複数の信号を1つのネットで学習させたり, 全ての信号に同一の前処理をした場合に比べて良好な認識結果が得られた。また, 実際の睡眠脳波信号系列をオンライン提示することで, 対象信号のセグメンテーションが可能となることも示す.

本報告では先に提案した初期値設定法が忘却付き構造学習によるニューラルネットの構造決定にどのような影響を及ぼすかを検討する.この初期値設定法は2つのStepから構成されており, 中間ユニットに対しては, そのユニットのなす分離超平面が入力集合の中心を通るように設定し, 出力ユニットの荷重は全てゼロで設定する.さらに, 初期時において特徴が似通った中間ユニットを予め削除する方法について述べる.アヤメの分類問題とカオス予測問題を対象としたシミュレーション実験の結果, 提案法を用いることで, ネット構造が改善され, 汎化能力も向上することを確認した.

本報告では先に提案した初期値設定法が忘却付き構造学習によるニューラルネットの構造決定にどのような影響を及ぼすかを検討する.この初期値設定法は2つのstepから構成されており,中間ユニットに対しては,そのユニットのなす分離超平面が入力集合の中心を通るように設定し,出力ユニットの荷重は全てゼロで設定する。アヤメの分類問題を対象としたシミュレーション実験の結果,提案法を用いることで,ネット構造が改善され,汎化能力も向上することを確認した.

本稿では, パターン分類問題を三層両極型ネットで学習させる際の初期値設定法について検討を行う.すなわち, まず, 入力集合と活性領域を整合させる観点から, 分離超平面が入力集合の内部を通るための条件を導出する.そして, 中間層については, そのユニットのなす分離超平面が提示入力そのものの集合の中心を通るように荷重を設定し, 出力層については, 先験情報が偏って与えられないように, すべての荷重をゼロと設定する.Parity問題やMONK's問題, Sonar問題, アヤメの分類問題に対するシミュレーションの結果, 通常の初期値設定に比べ, 提案法では広い範囲の学習係数や初期荷重幅に対して, 良好な収束特性が安定的に得られて, 提案法が有効であることを確認した.

本報告では, 分離超平面が入力集合の外接直方体を通るための分離条件を法ベクトルで定式化する. そして, 2次元の場合について分離条件を満たす法ベクトル分布を図示する. この分布から, 第1中間層に対する分離条件は, 入力パターンを単に平行移動しただけでも大きく変わり, その他の層に対する (広義の) 分離条件は、ユニット出力が0から1の値をとる片極型ユニットと-0.5から0.5の値をとる両極型ユニットとで異なることが分かる. さらに, 荷重の初期値を通常のように平均ゼロの乱数で設定したときの法ベクトルの初期分布についても図示する。 この初期分布と分離条件の比較から, 通常の初期値設定による逆伝搬学習の収束能力は, 片極型ネットよりも両極型ネットの方が優れていることが裏付けられる. さらに, 双方のネットで入力集合の分割が幾何学的に等価となるように初期値設定した場合でも, 片極型に比べて両極型ネットによる収束は良好となる.

本稿では,任意の中間層におけるユニットの荷重とバイアスについて,その入力集合と活性領域を整合させる観点から分離超平面が入力集合を通る条件を求め,同時に,この条件下で,活性領域幅が入力集合の幅のκ倍になるための条件を導く.また,出力ユニットついて,ネット出力と教師の極性が整合するための条件を求める.これらの条件を満たすように初期値を設定したときのBP法の収束について,Parity問題とSonar問題を対象にシミュレーションを行った結果,初期値を分離超平面が入力集合の中心を通るように設定することで,収束性は,初期値を乱数で与えたときに比べて,向上することが分かった.

本研究では大学等の高等教育機関における中途退学者の減少を目的に教育ビッグデータや学生が所有するスマートフォンやBYODによる構内無線LAN接続履歴や通信履歴を活用した学習指標として、「行動指標」「受講指標」「成績指標」を生成した上で深層学習により履修指導が必要な学生をスクリーニングすることを目的としている。 本年度は、まず「受講指標」を生成するために、先行研究において構築した学内ネットワーク統合システムへの機能拡張として、 Layer7 FireWall(L7FW) から取得できる通信ログ情報を格納させる方法について実装を進めた。具体的には、利用アプリケーションや接続先情報をもとに通信種別をカテゴライズされたデータベースとして構築する作業を進めた。次に、L7FW からは全セッションログが取得されるため、ログ解析およびデータベース化についてはバッチ処理として実装した。そして、「行動指標」としては構内無線 LAN コントローラおよび IEEE802.1x 認証装置からの各種ログ情報をもとに5分毎の滞在位置座標をデータベース化する機能について実装しているが、この情報を学内の位置情報を反映した画像情報として生成する方法について検討を進めた。さらに、「成績情報」としては学生の成績情報や受講状態・出欠情報等を集約する機能についてはコロナ禍でオンライン授業が増えたため収集が進んでいない状況である。また、従来とは授業形態が大きく変化し、仕様を再策定する必要もあると考えている。また、各指標を画像データとして可視化する点についても「行動指標」や「受講指標」が大学内での対面授業を前提とした仕組みであったため実装が進んでいない状況である。

音声のスパース性を利用して音源の到来方向（DOA：Direction of Arrival）をフレーム単位に推定する方法と、その推定値をもとにソフトマスク処理を行って音源をリアルタイムに分離する方法を提案した。その結果、固定音源については、その方位が±30°の範囲、残響時間が200msec以下、SN比が15dB以上あれば、DOA が精度良く推定できて目的音源を高品質に分離できることが確認された。また移動音源については、これと同一環境下において、音源を様々な運動パターンで32～96cm/sの速さで移動しても、誤差4°未満の精度で移動音源をリアルタイムに追跡できることを確認した。

本研究では階層型ニューラルネットの収束特性を解析するために,訓練データの正規化が学習収束にどのように影響するかを検討し,平均がゼロとなるように正規化した場合,著者らが先に提案した初期値設定法の中間層に対する初期値設定指針を自然に満たすため,初期値設定手順が簡略化されることを明らかにした.さらに,この正規化手順は学習終了後のネットの中間層荷重に簡単に埋め込むことができるため,認識対象データの正規化は不要となることを示した.アヤメ分類問題やMONK's分類問題,ソナー識別問題に対するシミュレーションの結果,提案法による場合,平均ゼロの一様乱数で荷重を初期化する通常の設定法に比べて,良好な収束結果が得られることを確認した.さらに,上述の初期値設定や正規化がネットの汎化能力に及ぼす影響についても考察し,両者を併用したときに最も良好な結果が得られることも確認した. 正規化や特徴抽出などの前処理過程を埋め込んだ多層ネットで時系列信号を識別させる方法について,複数のサブモジュールから構成されるモジュール構造ネットを用い,サブモジュール毎に最適な前処理を個別に埋め込む方法を提案した.そして,睡眠脳波信号に対する認識実験の結果,通常のように複数の信号を1つのネットで学習させたり,全ての信号に同一の前処理をした場合に比べて良好な認識結果が得られた.また,実際の睡眠脳波信号系列をオンライン提示することで,対象信号のセグメンテーションが可能となることを示した. 以上による成果を簡単に利用できるようにC言語用のライブラリ形式で公開し,初心者でも容易に操作できるようGtk+を使ったGUI環境も作成した.