研究キーワード:計算知能 コンピューテーショナルインテリジェンス 進化的アルゴリズム ニューラルネット 深層学習 ディープラーニング ファジィ
    (最終更新日:2024-03-12 18:42:47)
  オカダ ヒデヒコ   OKADA HIDEHIKO
  岡田 英彦
   所属   京都産業大学  情報理工学部 情報理工学科
   職種   教授
業績
■ 学会発表
1. H. Ishibuchi, H. Okada and H. Tanaka: A Neural Network with Interval Weights and Its Learning Algorithm, Proceedings of IEEE International Joint Conference on Neural Networks, Vol. 3, pp.507-511 (1992.11)
2. H. Ishibuchi, H. Okada and H. Tanaka: Interpolation of Fuzzy If-Then Rules by Neural Networks, Proceedings of the 2nd International Conference on Fuzzy Logic & Neural Networks, pp.337-340 (1992.07)
3. H. Ishibuchi, H. Okada and H. Tanaka: Learning of Neural Networks from Fuzzy Inputs and Fuzzy Targets, Proceedings of IEEE International Joint Conference on Neural Networks, Vol.3, pp.447-452 (1992.11)
4. H. Ishibuchi, H. Tanaka and H. Okada: Fuzzy Neural Networks with Fuzzy Weights and Fuzzy Biases, Proceedings of IEEE International Conferences on Neural Networks, pp.1650-1655 (1993.03)
5. H. Okada and H. Arakawa: Application and Evaluation of Augmented Reality User Interface to a Card Game "Mate", Proc. of International Conference on Instrumentation, Control and Information Technology (SICE Annual Conference 2008), pp.3237-3240 (2008.08)
全件表示(123件)
■ 著書・論文歴
1. 2024/03 論文  Okada, H. Evolutionary Reinforcement Learning of Neural Network Controller for Acrobot Task — Part4: Particle Swarm Optimization. Preprints.org (2024.03) doi: 10.20944/preprints202403.0109.v1   (単著) 
2. 2024/02 論文  Okada, H. Evolutionary Reinforcement Learning of Neural Network Controller for Acrobot Task — Part3: Differential Evolution. Preprints.org (2024.02) doi: 10.20944/preprints202402.0145.v1   (単著) 
3. 2023/12 論文  Okada, H. Evolutionary Reinforcement Learning of Binary Neural Network Controllers for Pendulum Task — Part1: Evolution Strategy. Preprints.org (2023.12) doi: 10.20944/preprints202312.1537.v1   (単著) 
4. 2023/10 論文  Okada, H. Evolutionary Reinforcement Learning of Neural Network Controller for Acrobot Task — Part2: Genetic Algorithm. Preprints.org (2023.10) doi: 10.20944/preprints202310.0852.v1   (単著) 
5. 2023/08 論文  H. Okada: An Evaluative Analysis of Particle Swarm Optimization for Reinforcement Learning in Pendulum Task, Journal of Engineering and Technology for Industrial Applications (ITEGAM-JETIA), Vol.9, No.42, pp.11-15 (2023.08)   (単著) 
全件表示(56件)
経歴
■ 学歴
1.
(学位取得)
大阪府立大学 博士(工学)
2. ~1992 大阪府立大学 工学部 経営工学科
■ 所属学会
1. http://www.cc.kyoto-su.ac.jp/~hidehiko/society.php をご覧下さい.
その他
■ 研究課題・受託研究・科研費
1. 2012/04~2013/03  ヒューマンインタフェースに関する研究  
2. 2011/04~2012/03  ヒューマンインタフェースに関する研究  
3. 2010/04~2011/03  ヒューマンインタフェースに関する研究  
4. 2009/04~2010/03  ヒューマンインタフェースに関する研究  
5. 2008/04~2009/03  ヒューマンインターフェースに関する研究  
全件表示(13件)
■ ホームページ
   http://www.cc.kyoto-su.ac.jp/~hidehiko/
■ メールアドレス
  kyoin_mail
■ 受賞学術賞
1. 2014 JIIAE Annual Best Paper Award H. Okada: Evolving Neural Networks with Interval Weights by Means of Genetic Algorithm, Journal of the Institute of Industrial Applications Engineers, Vol.1, No.1, pp.1-6 (2013.07) http://www.ia-engineers.org/award_2013/
2. 2013 ICIAE2013 Best Paper Award H. Okada: Comparison of Two Interval Models for Interval-valued Genetic Algorithm, Proc. of The 1st International Conference on Industrial Application Engineering (ICIAE) 2013, pp.152-157 (2013.03) http://www2.ia-engineers.org/iciae2013/award/
3. 2001 情報処理学会 第61回全国大会 大会優秀賞 論文名: GUI標準性自動評価ツールの開発
4. 1997 情報処理学会 第53回全国大会 大会奨励賞 論文名: 使いやすさ評価ツール「GUIテスタ」~ユーザ共通操作パタン抽出手法の拡張~
5. 1995 情報処理学会 平成7年度山下記念研究賞 論文名: シミュレータ対応UIテスタによるユーザビリティ評価
■ 現在の専門分野
知能情報学, 知覚情報処理, ソフトコンピューティング (キーワード:計算知能 コンピューテーショナルインテリジェンス 進化的アルゴリズム ニューラルネット 深層学習 ディープラーニング ファジィ) 
■ 取得特許
1. Automatic GUI system operation device andoperation macro execution device(US6184880)
2. Display controller for applying display effect(US20010055011)
3. GUI control method and apparatus and recording medium(US20020054148)
4. Method and apparatus for recording andanalyzing an interaction log(US5793948)
5. Remote operation system and remote operation method thereof(US20020029259)
全件表示(27件)
科研
■ 外部研究者ID
orcID https://orcid.org/0000-0001-7092-4979
■ 研究概要
◆研究課題
進化計算アルゴリズムを用いたニューラルネットの学習に関する研究

◆研究概要
 ディープニューラルネットの学習手法であるディープラーニングの一手法として,進化計算を用いた手法が研究されている.本研究では,ニューラルネットの強化学習タスクへの応用や,量子化ニューラルネットの学習タスクに有効な進化計算アルゴリズムの開発と評価を行っている.今年度は,(1)OpenAI Gymタスクを題材としたニューラルネット強化学習への進化計算アルゴリズムの応用と改良,(2)量子化ニューラルネットの学習における進化計算アルゴリズムの性能評価と改良に取り組む.
 OpenAI GymとはOpenAIが提供する強化学習課題のプログラム集である.倒立振子のような古典的制御から二足歩行ロボット制御など様々な課題が提供されており,強化学習アルゴリズムの研究において性能評価の課題として利用されている.申請者はこれまでに,進化戦略アルゴリズム(ES)と遺伝的アルゴリズム(GA)の評価に取り組んできた.今年度は差分進化アルゴリズム(DE)と粒子群最適化アルゴリズム(PSO)の評価,手法間比較,問題点分析とその改善を進める.
 さらに,申請者はこれまでに,結合重みを実数ではなく2値に量子化したニューラルネットを対象として,進化計算アルゴリズムによる学習の性能評価や課題分析を行ってきた.今年度は3値ニューラルネットの学習における各アルゴリズムの評価・比較を進める.