(fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1
|
|
|
- たつや えんの
- 9 years ago
- Views:
Transcription
1 THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. fnirs Kai Kunze [email protected], [email protected], [email protected] fnirs fnirs % 0.25 fnirs 1. [1],. [2] 1) 2) 2 1
2 (fnirs: Functional Near-Infrared Spectroscopy) [3] fnirs (oxyhb) Bulling [4] Kunze [5] [6] 2. 2 [7] [8] fnirs 3. 1 fnirs fnirs fnirs 1 fnirs 2 fnirs 3 4 ( ) 2
3 図 2 酸素化ヘモグロビンの濃度変化の様子 図 4 fnirs から得られるデータとその分析の概要 ることで 血流量の上昇が見られたものだけを特定することが できる よって分散値 平均値を求めることで 脳の活性が激 しい脳の部位を特定しその座標を特徴量とする 以下に具体的 な手順を説明する まず 分散値が大きく 平均値が正である チャンネルを求めるために 文書を読んでいる間の酸素化ヘモ グロビンの濃度変化に対し チャンネルごとに分散値と平均を 図 3 装着の様子 求める そして チャンネルごとの平均値が正であり かつ 1 番目と 2 番目に分散値の大きいチャンネルを特徴として利用す モグロビンの濃度変化の分析機能としてマッピング解析の機能 る 次に 得られたチャンネルの位置を 2 次元の座標で表す が島津製作所によって提供されている これは 得られた計測 座標は図 4 のように設定する この座標軸を用いると 図 4 の 結果を基に作成され 脳の活性状態を視覚的に捉えることがで マッピング図中のオレンジのチャンネル 59 は座標 (18,1) とな きるものである マッピング図はチャンネル位置に対応してお る このような座標軸を用いて 1 番目に分散の大きなチャン り これを利用することで 脳活性の時間変化を容易に観察す ネルの x 座標 (特徴量 1) と y 座標 (特徴量 2) 2 番目に分散の ることができる また 時間軸に沿って積算し タスクごとの 大きなチャンネルの x 座標 (特徴量 3) を求め特徴量とする 以 マッピング図を作成することもでき 各タスク間の比較も可能 上の手順で 3 次元の特徴ベクトルを得る となっている 3. 2 特 徴 抽 出 この節では 理解度推定のための特徴抽出について説明する 3. 3 理解度推定 得られた特徴ベクトルに対し 機械学習を用いることで理解 度を推定する 機械学習には SVM(Support Vector Machine) fnirs で得られる酸素化ヘモグロビンの濃度変化は個人差が大 と SVR(Support Vector Regression) を用いる カーネルは線 きく 一様に他者と比較することができない そこで どのく 形カーネルを使用する らい活性が得られたのか ではなく どこに活性が見られた 次に 理解度の定義について説明する 本研究で着目する理 のか に注目する 文書を理解するときに 脳のどの部位が活 解度とは文書に対する理解度であり 文書の内容をどのくらい 性化するかということはわかってはいない 本手法では 理解 理解したか ということである しかし 理解度には絶対的な 度の違いは活性部位の違いに表れる という仮定のもと 特徴 指標はなく 定義することが難しい そこで 本研究では文書 を抽出する を読んだ後に文書に対するテストをし その正答数により理解 脳が活性化するということは 脳内の血流量の変化が大きい ということである そこで 酸素化ヘモグロビンの濃度変化の 度を定義する 4. 実 験 分散を調べることで 活性化している部位を特定する 更に 酸素化ヘモグロビンの濃度変化の平均が正のものだけに限定す 本章では 理解度推定の性能評価ための実験について述べる 3
4 1 -SVM A B C D Leave one out fnirs LABNIRS [9] SMI iviewxtm RED [10] TOEIC PART NASA-TLX NASA-TLX 2 5 NASA-TLX [11] 6 MENTAL DEMAND( ) PHYSICAL DEMAND( ) TEMPO- RAL DEMAND( ) EFFORT( ) PERFOR- MANCE( ) FRUSTRATION( ) 1 NASA-TLX 4. 2 fnirs ( ) ( ) 4
5 7 2 -SVR A B C D fnirs t t ( 5 %) SVM 80 % SVR SVR SVR 80 % 0.25 B B B 7 B 1 D 5 8 B 1 D B D NASA-TLX 8 2 5
6 3 B D NASA-TLX B D : : : B D % 0.55 fnirs [2] K. Kunze PRMU March 2013 [3] [4] A. Bulling, J.A. Ward, H. Gellersen, and G. Troster, Eye movement analysis for activity recognition using electrooculography, Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol.33, no.4, pp , [5] K. Kunze, H. Kawaichi, K. Yoshimura, and K. Kise, The wordometer estimating the number of words read using document image retrieval and mobile eye tracking, Document Analysis and Recognition (ICDAR), th International Conference onieee, pp [6] P.T. Terenzini, L. Springer, E.T. Pascarella, and A. Nora, Influences affecting the development of students critical thinking skills, Research in higher education, vol.36, no.1, pp.23 39, [7], 2011 [8] : 2006 [9] [10] [11] S.G. Hart and L.E. Staveland, Development of nasa-tlx (task load index): Results of empirical and theoretical research, Advances in psychology, vol.52, pp , fnirs fnirs, fnirs JST CREST (A)( ) [1] K. Kunze PRMU March
3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)
![3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)](/thumbs/68/59204737.jpg "3 2 2 (1) (2) (3) (4) 4 4 AdaBoost 2. [11] Onishi&Yoda [8] Iwashita&Stoica [5] 4 [3] 3. 3 (1) (2) (3)")
(MIRU2012) 2012 8 820-8502 680-4 E-mail: {d kouno,shimada,endo}@pluto.ai.kyutech.ac.jp (1) (2) (3) (4) 4 AdaBoost 1. Kanade [6] CLAFIC [12] EigenFace [10] 1 1 2 1 [7] 3 2 2 (1) (2) (3) (4) 4 4 AdaBoost
(MIRU2008) HOG Histograms of Oriented Gradients (HOG)
(MIRU2008) 2008 7 HOG - - E-mail: [email protected], {takigu,ariki}@kobe-u.ac.jp Histograms of Oriented Gradients (HOG) HOG Shape Contexts HOG 5.5 Histograms of Oriented Gradients D Human
1 1983 5 1985 10 1991 5 1994 4 1995 8 10 40 12 1996 3 1997 3 1998 3 10 1999 9 2000 11 12 2001 1 6 6 7 2002 12 12 2003 1 12 2004 1 5 8 3 12 2005 2 3 5
14 12 eye 1 1983 5 1985 10 1991 5 1994 4 1995 8 10 40 12 1996 3 1997 3 1998 3 10 1999 9 2000 11 12 2001 1 6 6 7 2002 12 12 2003 1 12 2004 1 5 8 3 12 2005 2 3 5 9 2006 12 2007 8 8 2008 2 2009 6 8 8 11 5
WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp
![WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp](/thumbs/91/107555259.jpg "WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias [7] Query by humming Chen [8] Query by rhythm Jang [9] Query-by-tapp")
Query-by-Dancing: WISS 2018. Query-by-Dancing Query-by-Dancing 1 OpenPose [1] Copyright is held by the author(s). DJ DJ DJ WISS 2018 [2 4] [5,6] Query-by-Dancing Query-by- Dancing Cao [1] OpenPose 2 Ghias
1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +
![1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +](/thumbs/81/83701592.jpg "1 Kinect for Windows M = [X Y Z] T M = [X Y Z ] T f (u,v) w 3.2 [11] [7] u = f X +u Z 0 δ u (X,Y,Z ) (5) v = f Y Z +v 0 δ v (X,Y,Z ) (6) w = Z +")
3 3D 1,a) 1 1 Kinect (X, Y) 3D 3D 1. 2010 Microsoft Kinect for Windows SDK( (Kinect) SDK ) 3D [1], [2] [3] [4] [5] [10] 30fps [10] 3 Kinect 3 Kinect Kinect for Windows SDK 3 Microsoft 3 Kinect for Windows
2 3 Q1 Q3 Q4 Q2
MARCH 2012 vol. 221 3 02 04 CONTENTS 08 10 Concert Report 11 12 NEWS Index 14 CAMPUS Information 15 Information 16 2 3 Q1 Q3 Q4 Q2 4 5 n u m b e r 0 3 6 7 n u m b e r 0 4 8 9 Concert Report Topics 01 Topics
1., 1 COOKPAD 2, Web.,,,,,,.,, [1]., 5.,, [2].,,.,.,, 5, [3].,,,.,, [4], 33,.,,.,,.. 2.,, 3.., 4., 5., ,. 1.,,., 2.,. 1,,
![1., 1 COOKPAD 2, Web.,,,,,,.,, [1]., 5.,, [2].,,.,.,, 5, [3].,,,.,, [4], 33,.,,.,,.. 2.,, 3.., 4., 5., ,. 1.,,., 2.,. 1,,](/thumbs/50/25936361.jpg "1., 1 COOKPAD 2, Web.,,,,,,.,, [1]., 5.,, [2].,,.,.,, 5, [3].,,,.,, [4], 33,.,,.,,.. 2.,, 3.., 4., 5., ,. 1.,,., 2.,. 1,,")
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE.,, 464 8601 470 0393 101 464 8601 E-mail: [email protected], {ide,murase,hirayama}@is.nagoya-u.ac.jp,
1. HNS [1] HNS HNS HNS [2] HNS [3] [4] [5] HNS 16ch SNR [6] 1 16ch 1 3 SNR [4] [5] 2. 2 HNS API HNS CS27-HNS [1] (SOA) [7] API Web 2
![1. HNS [1] HNS HNS HNS [2] HNS [3] [4] [5] HNS 16ch SNR [6] 1 16ch 1 3 SNR [4] [5] 2. 2 HNS API HNS CS27-HNS [1] (SOA) [7] API Web 2](/thumbs/91/106048225.jpg "1. HNS [1] HNS HNS HNS [2] HNS [3] [4] [5] HNS 16ch SNR [6] 1 16ch 1 3 SNR [4] [5] 2. 2 HNS API HNS CS27-HNS [1] (SOA) [7] API Web 2")
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. 657 8531 1 1 E-mail: {soda,matsubara}@ws.cs.kobe-u.ac.jp, {masa-n,shinsuke,shin,yosimoto}@cs.kobe-u.ac.jp,
DEIM Forum 2019 H Web 1 Tripadvisor
DEIM Forum 2019 H7-2 163 8677 1 24 2 E-mail: [email protected], [email protected] Web 1 Tripadvisor 1 2 1 1https://www.tripadvisor.com/ 2https://www.jalan.net/kankou/ 1 2 3 4 5 6 7 2 2.
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE {s-kasihr, wakamiya,
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. 565-0871 1 5 E-mail: {s-kasihr, wakamiya, murata}@ist.osaka-u.ac.jp PC 70% Design, implementation, and evaluation
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE.
THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS TECHNICAL REPORT OF IEICE. E-mail: {ytamura,takai,tkato,tm}@vision.kuee.kyoto-u.ac.jp Abstract Current Wave Pattern Analysis for Anomaly
LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R
![LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R](/thumbs/86/93333816.jpg "LBP 2 LBP 2. 2 Local Binary Pattern Local Binary pattern(lbp) [6] R")
DEIM Forum 24 F5-4 Local Binary Pattern 6 84 E-mail: {tera,kida}@ist.hokudai.ac.jp Local Binary Pattern (LBP) LBP 3 3 LBP 5 5 5 LBP improved LBP uniform LBP.. Local Binary Pattern, Gradient Local Auto-Correlations,,,,
Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],
![Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],](/thumbs/92/110933465.jpg "Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b) - [5], [6] [7] Stahl [8], [9] Fang [1], [11] Itti [12] Itti [13] [7] Fang [1],")
1 1 1 Structure from Motion - 1 Ville [1] NAC EMR-9 [2] 1 Osaka University [3], [4] 1 1(a) 1(c) 9 9 9 c 216 Information Processing Society of Japan 1 Gaze Head Eye (a) deg (b) 45 deg (c) 9 deg 1: - 1(b)
2 4 2 3 4 3 [12] 2 3 4 5 1 1 [5, 6, 7] [5, 6] [7] 1 [8] 1 1 [9] 1 [10, 11] [10] [11] 1 [13, 14] [13] [14] [13, 14] [10, 11, 13, 14] 1 [12]
![2 4 2 3 4 3 [12] 2 3 4 5 1 1 [5, 6, 7] [5, 6] [7] 1 [8] 1 1 [9] 1 [10, 11] [10] [11] 1 [13, 14] [13] [14] [13, 14] [10, 11, 13, 14] 1 [12]](/thumbs/39/20193688.jpg "2 4 2 3 4 3 [12] 2 3 4 5 1 1 [5, 6, 7] [5, 6] [7] 1 [8] 1 1 [9] 1 [10, 11] [10] [11] 1 [13, 14] [13] [14] [13, 14] [10, 11, 13, 14] 1 [12]")
Walking Person Recognition by Matching Video Fragments Masashi Nishiyama, Mayumi Yuasa, Tomokazu Wakasugi, Tomoyuki Shibata, Osamu Yamaguchi ( ), Corporate Research and Development Center, TOSHIBA Corporation
DEIM Forum 2012 E Web Extracting Modification of Objec
DEIM Forum 2012 E4-2 670 0092 1 1 12 E-mail: [email protected], {dkitayama,sumiya}@shse.u-hyogo.ac.jp Web Extracting Modification of Objects for Supporting Map Browsing Junki MATSUO, Daisuke
1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -
![1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -](/thumbs/89/100816452.jpg "1(a) (b),(c) - [5], [6] Itti [12] [13] gaze eyeball head 2: [time] [7] Stahl [8], [9] Fang [1], [11] 3 -")
Vol216-CVIM-22 No18 216/5/12 1 1 1 Structure from Motion - 1 8% Tobii Pro TX3 NAC EMR ACTUS Eye Tribe Tobii Pro Glass NAC EMR-9 Pupil Headset Ville [1] EMR-9 [2] 1 Osaka University Gaze Head Eye (a) deg
Microsoft Word - takenaka_report.doc
05-01020 科 学 的 コミュニケーションを 支 援 するケータイを 利 用 したフィールド 学 習 支 援 システムの 開 発 とその 授 業 モデルの 提 案 ( 継 続 ) 竹 中 真 希 子 大 分 大 学 教 育 福 祉 科 学 部 准 教 授 1 2 2-1 2-2 Web 117 図1 システムの基本構成図 対象エリアをクリックすると写真一覧画面が表示される 図2 クリッカブルマップの例
(a) 1 (b) 3. Gilbert Pernicka[2] Treibitz Schechner[3] Narasimhan [4] Kim [5] Nayar [6] [7][8][9] 2. X X X [10] [11] L L t L s L = L t + L s
![(a) 1 (b) 3. Gilbert Pernicka[2] Treibitz Schechner[3] Narasimhan [4] Kim [5] Nayar [6] [7][8][9] 2. X X X [10] [11] L L t L s L = L t + L s](/thumbs/75/72066128.jpg "(a) 1 (b) 3. Gilbert Pernicka[2] Treibitz Schechner[3] Narasimhan [4] Kim [5] Nayar [6] [7][8][9] 2. X X X [10] [11] L L t L s L = L t + L s")
1 1 1, Extraction of Transmitted Light using Parallel High-frequency Illumination Kenichiro Tanaka 1 Yasuhiro Mukaigawa 1 Yasushi Yagi 1 Abstract: We propose a new sharpening method of transmitted scene
(4) ω t(x) = 1 ω min Ω ( (I C (y))) min 0 < ω < C A C = 1 (5) ω (5) t transmission map tmap 1 4(a) 2. 3 2. 2 t 4(a) t tmap RGB 2 (a) RGB (A), (B), (C)
(MIRU2011) 2011 7 890 0065 1 21 40 105-6691 1 1 1 731 3194 3 4 1 338 8570 255 346 8524 1836 1 E-mail: {fukumoto,kawasaki}@ibe.kagoshima-u.ac.jp, [email protected], [email protected],
2012カーエレクトロニクスカタログ
Car electronics 01 Car electronics Car electronics 02 03 Car electronics Car electronics 04 05 Car electronics Car electronics 06 07 Car electronics Car electronics 08 09 Car electronics Car electronics
Unknown
Journal of Breast and Thyroid Sonology Journal of Breast and Thyroid Sonology Vol.2, No.3 July 2013 Report The 30 th Meeting of Japan Association of Breast and Thyroid Sonology... 1 Department of Organ
untitled
f c Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education The Scientific Analysis of Personality Emotional Intelligence: Why It Can Matter More than IQ Psychological
色の類似性に基づいた形状特徴量CS-HOGの提案
IS3-04 第 18 回 画 像 センシングシンポジウム, 横 浜, 2012 年 6 月 CS-HOG CS-HOG : Color Similarity-based HOG feature Yuhi Goto, Yuji Yamauchi, Hironobu Fujiyoshi Chubu University E-mail: [email protected] Abstract
WISS 2006 2 PowerPoint [3] [16] Mehrabian [10] 7% 93% [10] [19][18] Hindus [7] Lyons [9] [8] [14] TalkMan [4] [5] [6] 3 [19][18] [19] [19] 1 F0 [11] 7
![WISS 2006 2 PowerPoint [3] [16] Mehrabian [10] 7% 93% [10] [19][18] Hindus [7] Lyons [9] [8] [14] TalkMan [4] [5] [6] 3 [19][18] [19] [19] 1 F0 [11] 7](/thumbs/41/22686825.jpg "WISS 2006 2 PowerPoint [3] [16] Mehrabian [10] 7% 93% [10] [19][18] Hindus [7] Lyons [9] [8] [14] TalkMan [4] [5] [6] 3 [19][18] [19] [19] 1 F0 [11] 7")
WISS2006 A Presentation Training System using Speech and Image Processing. Web 1 [19] Copyright is held by the author(s). Kazutaka Kurihara and Takeo Igarashi,, Masataka Goto and Jun Ogata and Yosuke Matsusaka,,
す 局所領域 ωk において 線形変換に用いる係数 (ak 画素の係数 (ak bk ) を算出し 入力画像の信号成分を bk ) は次式のコスト関数 E を最小化するように最適化 有さない画素に対して 式 (2) より画素値を算出する される これにより 低解像度な画像から補間によるアップサ E(
IR E-mail: [email protected] Abstract IR RGB ( ) IR IR IR RGB RGB PSNR 1 Time-Of- Flight(TOF)[1] Kinect [2] TOF LED TOF [3] [6] [4][5] 2 [6] RGB ( ) Infrared(IR) IR 2 2.1 1 す 局所領域 ωk において 線形変換に用いる係数 (ak
0 部分的最小二乗回帰 Partial Least Squares Regression PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌
0 部分的最小二乗回帰 Parial Leas Squares Regressio PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 部分的最小二乗回帰 (PLS) とは? 部分的最小二乗回帰 (Parial Leas Squares Regressio, PLS) 線形の回帰分析手法の つ 説明変数 ( 記述 ) の数がサンプルの数より多くても計算可能 回帰式を作るときにノイズの影響を受けにくい
解説 査読の虎の巻 山里敬也通信ソサイエティ副編集長 Takaya Yamazato 佐波孝彦通信ソサイエティ和文論文誌編集副委員長 Takahiko Saba 塩田茂雄通信ソサイエティ英文論文誌編集副委員長 Shigeo Shiota 太田能 IEICE Communications Expres
解説 査読の虎の巻 山里敬也通信ソサイエティ副編集長 Takaya Yamazato 佐波孝彦通信ソサイエティ和文論文誌編集副委員長 Takahiko Saba 塩田茂雄通信ソサイエティ英文論文誌編集副委員長 Shigeo Shiota 太田能 IEICE Communications Express 編集副委員長 Chikara Ota 1. モナリザの瞳と LDPC 1 LV 50 1963 Gallager
& Vol.5 No (Oct. 2015) TV 1,2,a) , Augmented TV TV AR Augmented Reality 3DCG TV Estimation of TV Screen Position and Ro
TV 1,2,a) 1 2 2015 1 26, 2015 5 21 Augmented TV TV AR Augmented Reality 3DCG TV Estimation of TV Screen Position and Rotation Using Mobile Device Hiroyuki Kawakita 1,2,a) Toshio Nakagawa 1 Makoto Sato
21 e-learning Development of Real-time Learner Detection System for e-learning
21 e-learning Development of Real-time Learner Detection System for e-learning 1100349 2010 3 1 e-learning WBT (Web Based training) e-learning LMS (Learning Management System) LMS WBT e-learning e-learning
3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]
![3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]](/thumbs/94/118738978.jpg "3 Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2]")
3 E-mail: {akizuki}@isl.sist.chukyo-u.ac.jp Abstract CAD 3-D ( ) 4 Spin Image Correspondence Grouping 46.1% 17.4% 97.6% ICP [0.6mm/point] 1 CAD [1][2] Shape Index [3] [4][5] 3 SHOT [6] [7] Point Pair Feature
1994 2002 2002 * 1 e CD-ROM e e e 3 e e e CD-ROM DVD CBT(Computer Based Training) e 2002 e e electronic( ) WBT Web Based Training on-demand IT e e 1 y
e e Principles for the Development of E-learning Courses and a Progress Report describing the Creation of an E-learning Course in Japanese Writing Practice for Intermediate and Advanced Students e e e
main.dvi
DEIM Forum 2018 J7-3 305-8573 1-1-1 305-8573 1-1-1 305-8573 1-1-1 () 151-0053 1-3-15 6F URL SVM Identifying Know-How Sites basedonatopicmodelandclassifierlearning Jiaqi LI,ChenZHAO, Youchao LIN, Ding YI,ShutoKAWABATA,
[4], [5] [6] [7] [7], [8] [9] 70 [3] 85 40% [10] Snowdon 50 [5] Kemper [3] 2.2 [11], [12], [13] [14] [15] [16]
![[4], [5] [6] [7] [7], [8] [9] 70 [3] 85 40% [10] Snowdon 50 [5] Kemper [3] 2.2 [11], [12], [13] [14] [15] [16]](/thumbs/93/113784833.jpg "[4], [5] [6] [7] [7], [8] [9] 70 [3] 85 40% [10] Snowdon 50 [5] Kemper [3] 2.2 [11], [12], [13] [14] [15] [16]")
1,a) 1 2 1 12 1 2Type Token 2 1 2 1. 2013 25.1% *1 2012 8 2010 II *2 *3 280 2025 323 65 9.3% *4 10 18 64 47.6 1 Center for the Promotion of Interdisciplinary Education and Research, Kyoto University 2