感性工学の応用実践編として、AI応用を中心に解説!
※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。
1.感性工学の測定分析 基礎手法概観
1.1 SD法と尺度論,統計分布
1.2 主成分分析(多次元の感性構造を抽出)
1.3 クラスター分析(代表的なサンプルのグループを形成,共通要素を発見する)
1.4 回帰分析系(細かい設計要因と感性との間の関係を推定する)
2.古典的AIの応用:感性工学エキスパートシステムとデザインプロセスの変革
2.1 エキスパートシステムとは
2.2 感性工学エキスパートシステムの実例
2.3 簡単な感性工学エキスパートシステムの作り方
2.4 感性工学エキスパートシステムによるデザインプロセス
3.統計的学習理論の応用
3.1 少数サンプル問題への対応:Partial Least Squares, PLS回帰分析
3.2 自己組織化ニューラルネットワークによる階層化クラスター分析の安定化:arboART
3.3 形を統計量として扱う− 洗練された形状には,アールは何ミリにすれば?
:Morphometricsと感性工学への応用
3.4 お互いに高度に相関がある説明変数の場合:Random Forestによる回帰木
4.生成AIによる分析
4.1 意味の世界まで踏み込んだ文章解析:BERT, LLMによるSNSの意味解析
4.2 感性工学分析結果から,生成AIによるデザインバリエーションの自動生成方法
(なるべく,Google Colaboratoryで試せるように準備中です)