公立はこだて未来大学 佐藤仁樹研究室の研究紹介のページ |
食と環境は21世紀のメインテーマです.佐藤仁樹研究室では,ICT(Information and Communication Technology)とリベラルアーツの概念を駆使して食と環境の研究を行い,21世紀の社会に貢献します.
1. 食の研究
●目的
●解析手法
●研究成果
1.2.レシピ設計支援ツール
●レシピ設計支援ツールとは
○入力データ
○出力データ
○仕組み
●レシピ設計支援ツールの用途
1.3.料理データの学習クラスタリングによる新しい食の世界の探求
●目的
●学習クラスタリングとは
○説明パネル
1.4.インピーダンスに基づく食品の特徴の解析
●目的
○研究成果1:食品の識別と混合比の推定
1.5.酒に合う料理のレシピの解析
###工事中###
2. 現象の解析と予測
2.1.新しい方式の妥当性の判断−確率的ばらつきの定量化に基づく−
●目的
●研究成果
2.2.自然現象の予測−世界の構成要素の関連を探る−
●目的
●研究成果
2.3.非線形システム(例:自然現象,インターネット等)の解析
●目的
●解析手法
●研究成果
3. 有線及び無線インターネットのトラヒック制御
●研究成果
4. 強化学習による大規模システムの制御
●研究成果
5. 平成18年度特色GP
詳細は,以下のポスター及び最終報告書を御覧ください
6. 講義資料
●リベラルアーツ
○原料のブレンド(遺伝的アルゴリズム)
・原料をブレンドし,所望の味の製品を作る.
○味の推定(非線形重回帰分析)
・官能評価を基に味覚センサより測定された味を補正する.
・味覚センサより測定された清酒の味(酸味,旨味,苦味等)と清酒の成分の対応関係を解析する.
○製品の分類と味の可視化(非線形正準判別分析)
・味覚センサより測定された清酒の味(酸味,旨味,苦味等)を基に,清酒を分類する.
○説明パネル
・製品の分類と味の可視化:こちらを御覧ください.
・詳細はこちらを御覧ください.
○目的
・栄養素とコストに関する評価関数が最大になるように,食材及びその配合量を最適化する.
・栄養素の目標値.
・食材栄養素行列(食品成分表).
・料理に必要な食材とその配合量.
※調理法は今後の課題.
以下の機能を持つソフトウェア(プログラム)をc言語で作成し,コンピュータ(パソコン)にインストールする.
・遺伝的アルゴリズムにより,最適な食材を選択する.
・非線形計画法により食材配合量を計算する.
○説明パネル
・こちらを御覧ください.
・食事制限が必要な(腎臓病,肝臓病,心臓病などを煩っている)患者さんのための,特別食のレシピ及び献立の作成.
・学校給食のレシピ及び献立の作成.
・特定の食材(地域の特産物など)を利用した,新しいレシピの作成.
・天然素材を用いた健康補助食のレシピの作成.
・詳細はこちらを御覧ください.
・様々な食品をユーザの嗜好情報を元に分類(クラスタリング)する.
・分類された情報を基に,新しい味について考察を進める.
○仕組み
・ユーザの嗜好情報を反映した学習データを作成する.
・学習データを用いて,ユーザの嗜好情報を反映したデータ変換規則を作成する.
・未知のデータをデータ変換規則に従って変換し,階層型クラスタリングアルゴリズムによりクラスタリングする.
・これにより,未知のデータをユーザの嗜好情報に基づいて分類(クラスタリング)できる.
・こちらを御覧ください.
・食品の様々な特徴を安価に高精度で調べる.
・こちらを御覧ください.
○研究成果2:和食(魚介類)に合うワインの識別
・こちらを御覧ください.
・新しい手術方式を従来の方法と比較し,新しい手術方式の妥当性を検証する.
●問題点
・新しい手術方式の施行回数が少ない状況で妥当性を判断しなければならない.
●解決策
・新しい手術方式の結果のばらつきと従来の手術方式の結果のばらつきを比較し,新しい手術方式の妥当性を判断する.
・詳細は,こちらを御覧ください.
・時系列の非線形性を考慮して,天気や気温などに影響を与える因子を抽出する.
・天気や気温などの予測困難な時系列データの予測精度を改善する.
●問題点
・時系列の非線形性を考慮した場合,組合せの爆発が生じるため,予測に有効な因子の選定が困難.
●解決策
・遺伝的アルゴリズムを利用し,多数のデータから予測に有効なデータ及び基底関数を抽出する.
・時系列データを基底関数を用いて高次元空間に写像する.
・高次元空間に写像された時系列データを用いることにより,予測精度を改善する.
・研究成果は「1.1.味データの解析」に応用されています.
・詳細は「1.1.味データの解析」を御覧ください.
・非線形システムの複数の定常状態の確率密度関数の導出.
・非線形システムの確率密度関数の過渡応答の導出.
(1)対象となるシステムを
xt+1
=
f
(xt)
とする.
(2)基底関数φ(xt)を決める.
(3)
ρt
≡
E[
φ(xt)
]
なる変数を用いて,対象システムを以下の線形方程式で近似する.
ρt+1 =
A
ρt
(4)行列Aの固有値と固有ベクトルを計算する.
(5)固有値と固有ベクトルから,定常状態の確率密度関数,及び過渡応答を計算する.
・詳細は,こちらを御覧ください.
・詳細は,こちらを御覧ください.
・詳細は,こちらを御覧ください.
・ポスター
・最終報告書(公式版:モノクロ)
・最終報告書(カラー版)
「子供たちがくれた林檎飴」の謎.html