基本情報

所属
コンピュータサイエンス部門
職位
教授
E-Mail
qf-zhao@u-aizu.ac.jp
Webサイト
http://www.u-aizu.ac.jp/~qf-zhao/

教育

担当科目 - 大学
Artificial IntelligenceDigital Signal Processing
担当科目 - 大学院
Introduction to Meta-heuristicsNeural Networks - Fundamental Theory and Applications

研究

研究分野
Machine learning
略歴
Professor of the University of Aizu (U-Aizu) from 1999 to present; associate professor of U-Aizu from 1995 to 1999, associate professor of Tohoku University from 1993 to 1995, associate professor of Beijing Institute of Technology (BIT) from 1991 to 1993, and post-doctoral fellow at BIT from 1988 to 1991.
現在の研究課題
Machine learning based automatic morphing; induction of compact and high performance awareness agents; steganography and steganalysis; user authentication; brain modeling and awareness science.
研究内容キーワード
Morphing, learning, modeling, understanding, steganography, steganalysis, awareness.
所属学会
IEEE SMCS, IEEE CIS, IEEE CS, IEICE, IPSJ, SICE, INNS, JNNS, SOFT.

パーソナルデータ

趣味
中国伝統楽器(笛)の演奏、水泳
子供時代の夢
英雄になること
これからの目標
脳を理解する
座右の銘
精神一到何事か成らざらん
愛読書
聖書
学生へのメッセージ
自信を持ちましょう、あなたは全知全能の神の子なのです。
その他

主な研究

モーフィングに基づく顔画像の隠蔽技術 ~秘密情報を隠しても画像は自然~

〇データ隠蔽技術として昔からステガノグラフが知られている。ステガノグラフでは秘密情報はカバーデータの中に隠すことによって保護される。カバーデータとして、通常、画像、音楽などを利用する。秘密情報を隠すときに、カバーデータの「外観」をあまり変えないようにしておけば、第三者は秘密情報の存在すら知り得ないので、ステガノグラフは暗号化技術よりも「攻撃」される可能性は低いと言われている。

〇問題点としては、「カバー率」が低いことが挙げられる。即ち、顔画像などのような情報量の大きい情報を隠そうとする場合、従来の方法ではカバーデータの情報量も大きくなり、効率的でない。

〇本技術では以上の問題点を克服し、顔画像などを効率よく隠蔽することができる。

この研究を見る

機械学習に基づくステガノグラフィーとステゴ解析

ステガノグラフィーは、情報の存在を隠す技術として知られている。ステガノグラフィーと暗号化技術とを併用することによって情報の安全性を高めることができる。本研究は、どのようなステガノグラフィー技術を使えばよいか、一つのメディア(画像)にどれくらいの情報を隠せば安全といえるか、などの質問に答えたい。そのために、機械学習の方法を利用して、自然メディアと情報を隠したものとを識別する。最強の特徴を利用して、最強の機械学習の方法を使って、ステガノグラフィー技術の性能を検証する。その結果をもとに、より安全な技術を提案したい。このプロジェクトに参加する学生は、画像処理、画像認識、パターン認識、暗号化、ステガノグラフィーなどの関連技術を勉強することができ、将来、IT関連企業での活躍が期待する。

この研究を見る

活動認識のための人感センサーアレーの実験的および理論的研究

人感センサー(赤外線センサー)は、人体を「熱源」として、人がいるかいないかを検知する。本研究は複数のセンサーを行列の形に配置(メイン画像を参照)し、特定の領域にいる人の位置、活動パターンを認識する理論と技術を提案する。サブ画像1は7つのセンサーで構成されたセンサーアレーのカバーする領域を示す。この研究プロジェクトに参加することによって、無線ネットワークを構築する技術、データ解析する技術、パターン認識する技術などについて勉強することができ、IT企業で活躍できることを期待する。

この研究を見る

理解可能な多変数決定木によるデータ分類と解析 ~全体像を見れば隠されている規則がよくわかる~

〇機械学習のモデルには、ニューラルネットのような非記号的モデルと決定木のような記号的モデルがある。前者は、データに含まれる情報を効率よく取り入れることができるが、学習結果はブラックボックスであり、人間も機械も理解できない。後者は理解しやすいモデルとされている。しかし、記号的モデルの学習結果は、機械的に形式的には解釈できるが、人間が理解できないものが多い。

〇様々な応用において、コンピュータは補助的に使用され、人間が最終決断を行う。故に、学習結果を「人間に理解しやすく」する必要がある。多変数決定木技術は前記二つのモデルを融合したもので、一つのソリューションを提供する。本技術には以下の特徴がある。
・類似度を基にした多変数決定木を利用しているので、人間にも理解可能なルールを学習結果として提供することができる。
・忘却学習、注意学習、次元圧縮などいくつかの技術を採用しているので、コンパクトな多変数決定木を効率よく構築することができる。
・データ間の位相関係を階層的に可視化し、学習結果が直感的に理解できる。

この研究を見る

主な著書・論文

・ Y. Kaneda and Q. F. Zhao, "Inducing high performance and compact neural networks based on decision boundary making," IEEJ Trans.-C, Vol. 134, No. 9, 2014.
・ J. Ji, P. Scholten, and Q. F. Zhao, "Support to self-diagnosis with awareness," International Journal of Machine Learning and Cybernetics (Springer), 2013.
・ J. Ji and Q. F. Zhao, "A Hybrid SVM Based on Nearest Neighbor Rule," International Journal of Wavelets, Multi-resolution and Information Processing, World Scientific Publishing Company, Vol. 11, No. 6, 2013.
・ Q. F. Zhao and C.-H. Hsieh, "Card User Awareness Based on Image Morphing," Journal of Computer Engineering and Science, Vol. 34, No. 1, pp. 11-20, 2012.
・ H. Hayashi and Q. F. Zhao, "Inducing compact NNTrees through discriminant multiple centroids based dimensionality reduction," International Journal of Innovative computing, Information and Control, Vol. 7, No. 5, 2011.
・ J. Ji, Y. T. Tony, and Q. F. Zhao, "Clustering large sparse text data: a comparative advantage approach," Journal of Information Processing Society of Japan, Vol. 18, No. 9, pp. 1234-1243, 2010.
・ H. Hayashi and Q. F. Zhao, "A fast algorithm for inducing neural network trees," Journal of Information Processing, Vol. 49, No. 8, pp. 2878-2889, 2008.
・ C. F. Lv and Q. F. Zhao, "k-PCA: a semi-universal encoder for image compression," International Journal of Pervasive Computing and Communications, Vol. 3, No. 2, pp. 205-220, 2007.
・ Hazem M. El-Bakry, and Q. F. Zhao, "Fast Normalized Neural Processors For Pattern Detection Based on Cross Correlation Implemented in the Frequency Domain," Journal of Research and Practice in Information Technology, Vol. 38, No.2, pp. 151-170, 2006.
・ Q. F. Zhao, "Inducing NNC-Trees with the R4-rule," IEEE Trans. on Systems, Man, and Cybernetics - Part B: Cybernetics, Vol. 36, No. 3, pp. 520-533, 2006.