本セミナーでは、まずウェアラブルセンサと機械学習による人間の心理状態の予測・推定の有用性と必要性について触れ、これらを導入し、活用するための留意点について解説するとともに、質疑応答を通して理解を深めます。その上で、感情が喚起した際の生体信号の変化や認知的負荷時の動作の変化について解説し、動作と生体信号、認知的負荷の関係についての理解を深めます。また実例を交えて、機械学習を解説し、理解を深めます。
　本セミナーを受講することで、ウェアラブルバイタルセンサやモーションセンサを用いたココロの可視化や機械学習を活用したインテリジェント製品の開発に役立ちます。

1. 感情を推定する様々な方法
   1. アンケート・生体信号・行動
   2. 感情は脈波に表れる
   3. 認知負荷は行動に表れる
2. 心理モデルの構築
   1. アンケートの実施
   2. アンケートに基づいた心理モデルの構築
3. 脈波計・脈拍計と機械学習の応用事例
   1. 性格特性を考慮した感情の推定
      1. 感情推定の汎化能力の向上に向けて
      2. BIG – FIVEに基づく性格特性
      3. 性格に基づいたクラスタリング
      4. 性格特性を考慮した感情の推定と結果
   2. 生体信号と気象データを用いた近未来の快気分の予測
      1. ステップワイズ法による変数選択と回帰モデル
      2. 気象データと快・不快気分の関係
      3. 近未来の気分予測結果と予測因子
      4. 気分の分布と遷移
4. 加速度センサと機械学習の応用事例
   1. 深層学習を活用したヒューマンエラー予兆の検知
      1. Working Rhythmの導出
      2. 安全度による人工知能と作業者の協同
      3. ヒューマンエラー予兆の検知結果
   2. 腰の動きに基づいた認知負荷の推定
      1. 歩行の乱れの導出
      2. 歩行の乱れと認知負荷の関係
      3. 歩行者の認知負荷の推定精度
5. 深層学習を用いたピッキング作業中の人間の心理状態 (不快感情・眠気・退屈) の予測
   1. ピッキング作業中に変化する、作業者の心理
   2. IoTを利用した作業者の動作・生体信号の取得
   3. 作業者の心理モデルの構築・評価
   4. 視線、脈波、動作を用いた深層回帰モデルによる心理の予測と結果