2024年3月 〜 2025年3月の間、ヘルシンキ(フィンランド)で研究をしているため、不在になります。レスポンスは限りなく悪いので、ご容赦ください。
より良い機械学習を実現するための統計的学習理論について研究しています。
- [New!] 推定分散積分に基づくガウス過程ベイズ最適化 (EVI-GPBO)
- 低計算量マルチルールマイニングのための機械学習アルゴリズム (MAABO-MT & GS-MRM)
- 深層学習の入力層から汎化性能に影響を与えない情報を除去するアルゴリズム (FG-SSA)
- 深層学習の説明性と推定性能を同時に高める機械学習アルゴリズム(RO-AFM)
- 連続・カテゴリ変数の混合特徴量に対応可能な特徴量選択アルゴリズム (E2H-MRS)
- ガウス過程回帰モデルの過学習とベイズ最適化の探索パフォーマンスについて
そのほかのサブテーマとして、医療データ解析、疫学シミュレーション、重力波検出、諸々の信号・画像処理などもやっています。
News
- [Oct. 2024] 国際会議ICMSQ2024(ギリシャ)で、機械学習に関する研究発表を行いました!
- [Aug.-Oct. 2024] ヘルシンキメトロポリア応用科学大学でC言語のレクチャーを行いました!(6時間 x 8日間 = 48時間)
- [Aug. 2024] ヘルシンキメトロポリア応用科学大学のICTサマースクールで、説明可能なディープラーニングの理論と応用に関する講義(4時間 x 5日間 = 20時間)を行いました![Link]
- [Jul. 2024] 機械学習のハイパーパラメータ最適化手法として、推定分散積分を用いたガウス過程ベイズ最適化 (EVI-GPBO) を提案し、IEEE の Preprint として公開しました![Link]
- [Jun 2024] 説明可能な深層学習による重力波検出器のグリッチ分類に関する研究が、 Machine Learning: Science and Technology (IF = 6.3) に採択されました! [Link]
- [May 2024] 本研究室が新たに考案した深層学習の説明性と推定性能を同時に高める機械学習アルゴリズム (Removal operation of anomaly feature map; RO-AFM) が、機械学習のハイインパクトジャーナル Applied Soft Computing (IF = 8.7) に採択されました! [Link]
- [May 2024] 機械学習により心不全 (HFpEF) の死亡率が高い心エコー特徴を明らかにした研究が、Journal of the American Society of Echocardiography (IF = 6.5) に採択されました。本研究室が機械学習の分析を分担しています。 [Link]
- [Apr. 2024] 本研究室が考案したマルチルールマイニングのための低計算量な機械学習アルゴリズム MAABO-MT & GS-MRM の論文が IEEE Open Journal of the Computer Society (IF = 5.9) に採択されました![Link]
- [Feb. 2024] 探索空間とガウス過程ベイズ最適化の関係に関する論文が、Journal of Physics: Conference Series から出版されました![Link]
- [Feb. 2024] コンパクト連星合体からの重力波検出の論文が Physical Review D (IF = 5.4) に採択・出版されました! [Link]
- [Dec. 2023] コア崩壊型超新星からの重力波分類の論文が Physical Review D (IF = 5.4) に採択・出版されました! [Link]
- [Nov. 2023] ペイシェントケア学術大会で、人工知能を活用した近未来医療について依頼講演を行い、感謝状をいただきました。[Link]
- [Nov. 2023] 深層学習を高精度化するアルゴリズム FG-SSA が AIMS Mathematics (IF: 2.2, 採択率: 27%) に採択されました! [Link]
- [Oct. 2023] 数理・物理学に関する国際会議で、探索空間の形状変換がガウス過程ベイズ最適化の探索性能に及ぼす影響を報告しました。
- [Oct. 2023] ジャーナルの累計引用回数が250回を超えました。引用ありがとうございます!
- [Oct. 2023] 機械学習アルゴリズム MAABO-MT & GS-MRM を提案しました! [arXiv, Machine Learning (cs.LG)]
- [Aug. 2023] 齋藤先生(医学部/共同研究者)が 日本心臓病学会 Young Investigator’s Award を受賞されました。おめでとうございます!機械学習について、本研究室が分析を(部分的に)担当しています。
- [Jul. 2023] 機械学習による重力波検出と推定根拠の可視化に関するプロシーディングス2報が出版されました。 [Link1] [Link2]
- [Jul. 2023] ガウス過程回帰によるベイズ最適化の理論研究が Mathematics (IF: 2.4, 採択率: 43%, Q1 Journal) に採択されました。[Link]
- [Jul. 2023] 宇宙物理学に関する国際会議で機械学習による重力波検出と推定根拠の可視化に関する発表を行いました。
- [Jun 2023] 日本テクノセンターで機械学習・信号処理・特徴量探索セミナーを行いました (6/23, 10:30 〜 17:30)。
- [May 2023] 機械学習の医療応用の研究が Heart (BMJ) (IF: 7.369, 採択率: 24%) に採択されました。
- [Apr. 2023] 日本大学独創的・先駆的研究(1,600万円)に採択されました。
- [Feb. 2023] 科研費基盤C(代表1件、分担2件)に採択されました。
- [Feb. 2023] 機械学習の医療応用の研究が IEICE Transactions on Information and Systems (IF: 0.695, 採択率: 39.9%) に採択されました。
- [Jan. 2023] 機械学習の理論研究(空間探索アルゴリズム)が Machine Learning and Knowledge Extraction (IF: 3.9, 採択率: 43%, Q1 Journal) に採択されました。
- [Dec. 2022] 機械学習の医療応用の研究が ESC Heart Failure (IF: 3.612, 採択率: 28%) に採択されました。
- [Aug. 2022] 機械学習による疫学シミュレーションの研究が Mathematical Biosciences and Engineering (IF: 2.194, 採択率: 34%) に採択されました。
- [Apr. 2022] 疫学系微分方程式の解構造の解析が IEEE Access (IF: 3.367, 採択率: 30%) に採択されました。
- [Feb. 2022] 機械学習の医療応用の研究が Heart and Vessels (IF: 2.037, 採択率: 19%) に採択されました。
- [Jan. 2022] 内閣府からの依頼を受け、COVID-19オミクロン株環境下での感染伝搬シミュレーションを実施し、資料提供を行いました。
- [Jan. 2022] 機械学習によるセンサ信号処理の研究が Sensors (IF: 3.567, 採択率: 43%) に採択されました。
- [Nov. 2021] 微分方程式による疫学シミュレーションの研究が Mathematical Biosciences and Engineering (IF: 2.194, 採択率: 34%) に採択されました。
- [Aug. 2021] 内閣府からの依頼を受け、COVID-19デルタ株環境下での感染伝搬シミュレーションを実施し、資料提供を行いました。
- [Jun. 2021] 内閣府からの依頼を受け、東京オリンピックがCOVID-19感染伝搬に影響を調査し、資料提供を行いました。
- [Jul. 2021] 微分方程式による疫学シミュレーションの研究が Mathematical Biosciences and Engineering (IF: 2.194, 採択率: 34%) に採択されました。
- [Jan. 2021] MASによるシミュレーションの研究が IEEE Access (IF: 3.367, 採択率: 30%) に採択されました。
- Oct. 2024 博士後期課程の院生が、日本学術振興会特別研究員(DC2)に内定しました!(内定率17% = 内定者数1091/応募総数6367)
- Aug. 2024 博士後期1年生の森さん研究が、数理生物学の論文誌 Mathematical Biosciences and Engineering (採択率=24%) に採択・公表されました! [Link]
- Mar. 2024 博士後期1年生の森さん研究が、第13回物理科学数理モデリング国際会議に採択されました(9月発表予定、ギリシャ)! → 10月追記: 発表しました!
- Mar. 2023 修士1年生が執筆した論文が、Scopus収録雑誌(CiteScore = 1.3) ICIC Express Letters に採択され、出版されました。[Link]
- Feb. 2024 学部3年生、修士2年生が、電子情報通信学会SWIM研究会で発表しました!
- Dec. 2023 修士2年生が、日大医工連携シンポジウム2023でポスター発表を行いました! (人工知能による心不全リスク評価)
- Mar. 2023 修士1年生1名が、電子情報通信学会 総合大会で発表しました。
- Feb. 2023 修士1年生2名が、電子情報通信学会 SWIM 研究会で発表しました。M1大竹さん、M1三浦さん
- Sep. 2022 [学生の活躍] 本研究室の修士1年生が、電子情報通信学会ソサエティ大会で、心臓の状態推定を行う機械学習モデルの発表を行いました。
- Jul. 2022 [学生の活躍] 本研究室の指導した2021年度大学院修了生が、第1種奨学金全額返済免除となりました。査読付き学術論文2編(英1, 和1)、受賞2回、国内学会発表4件。
- Jul. 2022 [学生の活躍] [国際会議] 修士1年生の執筆した人工知能の医療応用に関する論文が、機械学習の国際会議 ICICIC2022 に採択されました。
- Mar. 2022 [学生の活躍] [表彰] 本研究室の指導学生が、研究奨励賞(電子情報通信学会)を受賞しました。
- Mar. 2022 [学生の活躍] [学会発表] 本研究室の3年生2名、4年生1名が電子情報通信学会 総合大会2022で発表しました(経営分野におけるデータサイエンスの利活用など)。
- Dec. 2021 [学生の活躍] [表彰] 修士生の発表が、電子情報通信学会(LOIS研究会)において、グッドプレゼンテーション賞を受賞しました。[概要]
- Dec. 2021 [学生の活躍] [学術論文] 修士生の執筆した学術論文(査読あり)が、International Journal of Innovative Computing, Information and Control [Scopus CiteScore=1.8] に採択されました。
- Sep. 2021 [学生の活躍] [学術論文] 指導学生が執筆した学術論文(査読あり)が Journal of Physics(英国物理学会)から出版されました。[概要]
- Sep. 2021 [学生の活躍] [国際会議] 本研究室が指導した高校生の課題研究グループが、数理モデルと物理科学に関する国際会議で発表しました。
- Mar. 2021 [学生の活躍] [国内学会発表] 指導学生(3年生3名)が電子情報通信学会で学会発表を行いました(ニューラルネットワークの応用)。
- Nov. 2020 [学生の活躍] [国内学会発表] 指導学生(3年生1名, 4年生1名, 院生2名)が人工知能学会で発表を行いました。
- Mar. 2020 [学生の活躍] [国内学会発表] 指導学生が電子情報通信学会ニューロコンピューティング研究会において「L2正則化を活用したノイズ除去型ニューラルネットワークの直並列化」に関する発表を行いました。
- Feb. 2020 [学生の活躍] [国内学会発表] 指導学生が電子情報通信学会ソフトウェアインタプライズ研究会において「ニューラルネットワークを活用した遊園地の来場者シミュレータ」に関する発表を行いました。
- Feb. 2020 [学生の活躍] [国内学会発表] 指導学生が電子情報通信学会ソフトウェアインタプライズ研究会において「ニューラルネットワークを活用した顧客印象とセールスワードの分析」に関する発表を行いました。
- Feb. 2020 [学生の活躍] [国内学会発表] 指導学生が電子情報通信学会ソフトウェアインタプライズ研究会において「ニューラルネットワークを活用した個人投資家のリスク選好と意思決定の分析」に関する発表を行いました。
- Feb. 2020 [学生の活躍] [国内学会発表] 指導学生が電子情報通信学会ソフトウェアインタプライズ研究会において「キャッシュレス決済に対する関心とパーソナリティの特徴分析」に関する発表を行いました。
- Apr. 2019 [学生の活躍] [査読付き論文誌] 指導学生が執筆した「異常値検知問題に適合した特徴量空間評価アルゴリズム」に関する論文が、査読付き論文誌International Journal of Innovative Computing, Information and Control [Scopus CiteScore=1.8] から出版されました。
- Mar. 2019 [学生の活躍] [国内学会発表] 指導学生が電子情報通信学会において「人工知能によるバースト重力波の再構成」に関する発表を行いました。
- Feb. 2019 [学生の活躍] [査読付き論文誌] 指導学生による「人工知能による競泳支援」に関する論文が、査読付き論文誌「知能情報ファジィ学会論文誌:知能と情報」から出版されました。
- Oct. 2018 [学生の活躍] [受賞報告] 指導学生がプログラミングコンテスト(競技部門)で準優勝となりました(2位/全49チーム)。
- Sep. 2018 [学生の活躍] [国内学会発表] 指導学生が知能情報ファジィ学会において「ノイズ除去型ニューラルネットワークの直並列化の提案」に関する発表を行いました。
- Sep. 2018 [学生の活躍] [国内学会発表] 指導学生が知能情報ファジィ学会において「人工知能を活用した競泳支援」に関する発表を行いました。
- Aug. 2018 [学生の活躍] [国際会議] 指導学生が国際会議ICICIC2018において「異常値検知問題に適合した特徴量空間評価アルゴリズム」に関する発表を行いました。
- Mar. 2018 [学生の活躍] [受賞報告] 指導学生が、学生奨励賞(情報処理学会)を受賞しました。
- Mar. 2018 [学生の活躍] [国内学会発表]指導学生が情報処理学会において「異常値検知問題に適合した特徴量空間評価アルゴリズムの考案」に関する発表を行いました。
- Mar. 2018 [学生の活躍] [国内学会発表] 指導学生が情報処理学会において「慣性センサと深層学習を活用した運動支援システム」に関する発表を行いました。
- Mar. 2018 [学生の活躍] [査読付き論文誌] 指導学生が投稿した「人工知能による競泳支援」に関する論文が、査読付き論文誌 ICIC Express Letters, Part B Applications [Scopus CiteScore=0.4] から出版されました。
- Sep. 2017 [学生の活躍] [国内学会発表] 指導学生が電子情報通信学会において「機械学習における特徴量探索アルゴリズム」に関する発表を行いました。
About
教員が取り組んでいること
機械学習の理論および応用研究を推進しています。
- (A) 機械学習における特徴量探索問題 (Feature Selection Problem for Machine Learning): どんな情報で人工知能に予測させるのがいいのか?ということを定式化し、実現可能な計算量で探索・発見する問題です。機械学習によりクラス分類・回帰・異常値検出を実現する場合、適切な特徴量空間を発見できなければ、どんなモデルを使おうとも、おかしなモデルが出来上がってしまいます。通常、構成可能な特徴量空間のサイズは組合せ爆発しているため、全探索は困難です。そのため、如何にして良い汎化性能を獲得できるであろう特徴量空間の許容解を少ない計算量で発見するかが重要となります。本研究は良い汎化性能を獲得できるであろう度合いを定量化する評価関数の設計と、高速に稼働する探索アルゴリズムの考案を行っています。
- (B) Convolutional Neural Network (CNN) の汎化性能を高めるアルゴリズムの提案: CNNをなんとなく利用するだけで、なんとなくそれらしい結果が出てくる時代になってきました。しかし、そのCNNが適切である保証はなく、性能向上の余地が残る場合がほとんどです。ですが、CNNは多数のハイパーパラメータを有することから、その組み合わせによって定まる性能を網羅的に検証することは実質的に不可能であり、性能向上の条件を計算量の側面で効率よく探索しなければなりません。この点に関し本研究では、(1) 入力レイヤの中から汎化性能の向上に寄与しない情報を高速に探索・特定するアルゴリズム、(2) 高い汎化性能を獲得できる特徴量抽出機を実現するためのコスト関数設計、(3) 汎化性能を低下させる特徴マップの自動除去手法などを提案してきました。このように、性能の良いCNNを実現するために必要となる数理的な手法の研究を進めています。
- (C) 人工知能(機械学習)/データサイエンス技術を応用した高度なデータ解析やシステム開発: 世の中で求められる人工知能を実現するために、多数の共同研究により、さまざまな分析・システム開発を行ってきました。例えば、医学部との共同研究による心臓評価モデル、学び合いを最適化する知能システム、経営を改善する人工知能、アスリートの身体動作のクオリティを測定する人工知能、コロナの感染者数をシミュレーションするモデルなどです。
私が何かの記事を書く場合、人工知能の理論研究はあまり理解されないので、応用研究である(C)のテーマを紹介することがほとんどです。ただ、(A)と(B)も色々と取り組んでいますので、興味があればご覧ください。
ゼミに配属希望者の方へ
ゼミナールで学ぶこと
文系の皆さん: パソコンが苦手の方も多いと思いますが、ご安心ください。大事なのは、できないことが少しでもできるようになることです。ちょっとでもパソコンを得意になってみましょう。プログラミングで簡単なソフトウェアが作れるようになることを目標にします。
理系の皆さん: 人工知能の理論をていねいに学習し、プログラミングにより実装する手法を学習します。誰かのコードをコピーして動かすようなことはせずに、自分が作りたい人工知能を、自分の力で作れるようになることを目標とします。頑張る方は、学会発表・国際会議・論文投稿・コンテスト参加など、大変アクティブに活動しています。
これを見たらわかるように、優しめのコースと、いろいろたくさん学べるコースがあります。単位的に問題ないようであれば、どちらでも問題なく卒業できますので、あまり気負いせずにご連絡ください。学会発表などはあくまでもやりたいと申し出た方のみで、必須というわけではありません。卒業研究の単位が出なかった学生は、今のところいないように思えます。
ゼミの進め方:
エクセルはとても敷居が低い反面、簡単な分析しか行えないので、プログラミングによるデータ解析を推奨しています。そのため、まずはプログラミングを勉強してから、人工知能や統計、データサイエンスに入る流れをとっています。
- 3年前期: プログラミング(Python)の基礎学習
- 3年後期: 人工知能の理論と実装方法(人によっては統計・データサイエンスも)
- 4年前期: 就活頑張る!
- 4年後期: 卒業研究
→ 配属学生は、全員卒業まで面倒を見ますので、ご安心ください。
過去の学生について:
過去の学生がどのような実績を残し、どのような進路を取ったのかについては、配属学生と進路をご覧ください。
本研究室に興味のある方:
- まず、本ホームページをくまなく見てください。
- 質問がある方 → nihon-u.ac.jp@oomae.yuuto (アットの前と後ろを入れ替える)
第1志望にする場合:
- 毎年希望者が定員をオーバーするので、選考を行います。
- xx/xx xx:xx までに google form から希望登録を行なってください。
- 可能な限り当日中(xx/xxの夜まで)に選考結果をお伝えします。
- これまでの授業での印象、レポート、成績、コミュニケーション力など、多様な基準で選考を行います。