指導教員 – 機械学習研究室

氏名	大前佑斗 (30代後半), 博士（工学）
所属	日本大学生産工学部マネジメント工学科専任講師日本大学生産工学部人工知能リサーチセンター副センター長日本大学医学部兼担講師千葉工業大学/亜細亜大学非常勤講師
表彰	2026: 学術賞, 日本情報ディレクトリ学会 2026: 特別賞, 日本情報ディレクトリ学会 2026: AIMS Mathematics Editor’s Choice articles, AIMS Press 2026: 論文賞（金賞）, 品質工学会 2026: American Supplier Institute Award, 品質工学会 2025: Best Presentation Award, ICICIC2025 2025: SMASH25 Summer Symposium 優秀賞, 電子情報通信学会 2022: 生産工学部学術賞（2022年度）, 日本大学 2021: 生産工学部学術賞（2021年度）, 日本大学 2021: Best Presentation Award, ICICIC2021 2021: LOIS研究賞, 電子情報通信学会 LOIS研究会 2021: 研究奨励賞, 電子情報通信学会人工知能と知識処理研究会 2021: リサーチャー・アワード特別部門, 日本大学 2020: グッドプレゼンテーション賞, 電子情報通信学会 LOIS研究会 2020: JACIII Young Researcher Award, JACIII 2020: IEEE CISJ Young Researcher Award, IEEE Computational Intelligence Society 2018: Best Paper Award, ICICIC2018 * 本人の受賞のみ記載。指導学生の受賞はこちら
詳細	詳しく知りたい方は、ResearchMap へ

氏名

大前佑斗 (30代後半), 博士（工学）

所属

日本大学生産工学部マネジメント工学科専任講師
日本大学生産工学部人工知能リサーチセンター副センター長
日本大学医学部兼担講師
千葉工業大学/亜細亜大学非常勤講師

表彰

2026: 学術賞, 日本情報ディレクトリ学会
2026: 特別賞, 日本情報ディレクトリ学会
2026: AIMS Mathematics Editor’s Choice articles, AIMS Press
2026: 論文賞（金賞）, 品質工学会
2026: American Supplier Institute Award, 品質工学会
2025: Best Presentation Award, ICICIC2025
2025: SMASH25 Summer Symposium 優秀賞, 電子情報通信学会
2022: 生産工学部学術賞（2022年度）, 日本大学
2021: 生産工学部学術賞（2021年度）, 日本大学
2021: Best Presentation Award, ICICIC2021
2021: LOIS研究賞, 電子情報通信学会 LOIS研究会
2021: 研究奨励賞, 電子情報通信学会人工知能と知識処理研究会
2021: リサーチャー・アワード特別部門, 日本大学
2020: グッドプレゼンテーション賞, 電子情報通信学会 LOIS研究会
2020: JACIII Young Researcher Award, JACIII
2020: IEEE CISJ Young Researcher Award, IEEE Computational Intelligence Society
2018: Best Paper Award, ICICIC2018

* 本人の受賞のみ記載。指導学生の受賞はこちら

詳細

詳しく知りたい方は、ResearchMap へ

———

研究内容（概略）

研究内容
今や、機械学習は現在の世界を支える基盤技術の一つです。生成AIの登場により、少し勉強するだけで、簡単に実装することもできるようになりました。本研究室で、この世の中の流れを加速させるための研究に取り組んでいます。

実社会での機械学習の応用：
世の中をより良くするお手伝いとして、役立つ機械学習の実装も行なっています。医療応用（日大医学部、順天堂大学、群馬大学との共同研究）、重力波検出（東京都市大学宇宙科学研究センターとの共同研究）、スポーツ応用（国立スポーツ科学センターとの共同研究）、COVID-19の感染シミュレーション（内閣府コロナ対策室の依頼による）、学び合いを最適化する知能システム（山梨県立大学、上越教育大学との共同研究）などがあります。

深層学習の汎化理論（損失へシアンの観点から）：
深層学習は多様な回帰・分類課題において優れた予測性能を示すことから、社会の各分野で社会実装が進んでいます。現在、応用研究における膨大な試行錯誤の結果、性能向上に寄与する手法が経験的に蓄積されつつあります。しかし、その知見の多くは経験的・統計的な言及にとどまっており、特定の環境外での再現性や信頼性が担保されないという大きな問題があります。そのため本研究は、深層学習がうまくいく/失敗する条件を数学的に厳密に記述することを目指しています。特に、平坦解、PACベイズ汎化ギャップ、へシアン解析などに注目しています。

[Abst.] [pdf] Y. Omae, Closed-Form Steepest Descent Direction toward Flat Minima: Reducing Upper Bounds on the Loss Hessian Eigenspectrum in Neural Networks
[Abst.] [pdf] Y. Omae, Wolkowicz-Styan Upper Bound on the Hessian Eigenspectrum for Cross-Entropy Loss in Nonlinear Smooth Neural Networks

ムダのない深層学習の構築手法：
深層学習では、予測に寄与しない情報を入力することや、不要な特徴を用いることが、計算コストの増加や予測性能・説明可能性の低下につながる場合があります。そこで本研究では、深層学習に含まれる不要な情報を特定・除去することで、より効率的な深層学習モデルを構築する手法について研究しています。特に、入力信号や特徴マップに着目し、予測に重要な情報を残しながら不要な情報を削減する手法を開発しています。

[url] Y. Omae et al., Deep learned features selection algorithm: Removal operation of anomaly feature maps (RO-AFM)
[url] Y. Omae et al., Features Gradient-based Signals Selection Algorithm of Linear Complexity for Convolutional Neural Networks

任意の深層学習の推定根拠の可視化法：
深層学習の推定根拠を可視化する手法としてGrad-CAMが脚光を浴びていますが、本手法は標準的なネットワーク構造にしか適用できないという制約があります。近年、モデルの高性能化を目的として、PCA（主成分分析）やSVM（サポートベクターマシン）をネットワーク内部に組み込んだハイブリッドモデルが登場しています。しかし、これらの特殊なレイヤを含むモデルに対しては、Grad-CAMを適用できないという課題がありました。その主な要因は、Grad-CAMの計算に不可欠なヤコビ行列（入出力間の1階導関数）の導出が困難であるためです。そこで本研究室では、任意のレイヤ構造を持つモデルにおいても推定根拠を可視化できるよう、入出力間のヤコビ行列の定式化を行っています。これまでに、内挿されたPCAレイヤやSVMレイヤの可視化に成功しました。このように、ブラックボックスで解釈が困難な深層学習を、ホワイトボックスで信頼性の高い技術へと昇華させる研究を推進しています。

Y. Omae, PCA- and SVM-Grad-CAM for Convolutional Neural Networks: Closed-form Jacobian Expression, [Machine Learning] (cs.LG), arXiv:2508.11880

サロゲート最適化における不確定性の厳密な定量化：
少ない試行回数で最適解を探索する手法はサロゲート最適化と呼ばれ、創薬や新材料開発といった高コストな実験を伴う分野で活用されています。本手法のプロセスは、不確実性の高い領域を調査する「探索」と、現時点での有望な領域を深掘りする「活用」に大別されます。一般に、観測序盤では探索を、終盤では活用を重視すべきとされますが、空間全体の不確実性を定量化する手法が確立されていなかったため、両者の調整は経験的なトレードオフに頼らざるを得ないという課題がありました。この問題を解決するため、本研究では探索空間全体の不確実性を「カーネル関数で表現された推定分散の積分値」と定義し、その積分の閉形式表現を導出することに成功しました。これにより、理論的根拠に基づいた効率的なサロゲート最適化が可能となります。現在は、ガウシアンカーネルだけでなく、より複雑なカーネル関数においても不確実性の閉形式表現を得るべく、その拡張に取り組んでいます。

Y. Omae et al., EVI-GPBO: Estimated Variance Integration-Based Gaussian Process Bayesian Optimization, IEEE Access, vol.13, pp.26208-26224, 2025.

計算効率の良いデータマイニングアルゴリズムの提案：
ビッグデータには、応用上意味のあるルール（オムツを買う人はビールを買いやすい、など）が大量に潜んでいます。しかし、既存のデータマイニング手法や統計的手法では、そのうちの一部しか取り出すことができません。組み合わせ爆発の問題を抱えているため、ある規模のサイズを超えたデータでは、あらゆるルールを取り出すことは不可能というのがその理由です。でも、なるべく多くのルールを発見したいものです。これを実現するため本研究では、修正アイチソン-エイトケン関数と呼ばれる集合を対象としたカーネル密度関数を提案し、従来よりも効率の良いベイズ最適化を生み出しました。これをベースとし、木構造ルールを低計算コストで大量に発見するルールマイニングアルゴリズムを提案しました。本研究室が提案した手法を用いることで、ビッグデータの中から、従来手法よりも多くのルールを発見できることが確認されています。

Y. Omae et al., Multi-Rules Mining Algorithm for Combinatorially Exploded Decision Trees With Modified Aitchison-Aitken Function-Based Bayesian Optimization, IEEE Open Journal of the Computer Society, vol.5, pp.215-226, 2024.

より良い特徴量探索アルゴリズムの提案：
機械学習による回帰・分類モデルを構築する際、特徴量ベクトルが高次元すぎると推定性能が低下することが知られています。そのため、特徴量集合の中から不要な特徴量を発見し、除去することが重要です。しかし、特徴量同士の組み合わせにより効果を発揮する特徴量もあるため、特徴量同士の組み合わせを考慮することが必要です。ただし、構成可能な特徴量の部分集合は組合せ爆発するため、通常、全探索を行うことは困難です（規模が大きいと、スパコンでも解けません）。これを解決する学術分野を特徴量探索と呼び、本研究室でも、特徴量部分集合の評価値を定量化し、実現可能な計算量でより良い特徴量の組み合わせを発見する手法の提案に取り組んでいます。

Y. Omae et al., E2H Distance-weighted Minimum Reference Set for Numerical and Categorical Mixture Data and a Bayesian Swap Feature Selection Algorithm, Machine Learning and Knowledge Extraction, vol.5, no.1, pp.109-127 2023.

国際会議などの参加歴

参加した国際会議など：
日本語は日本国内という狭い世界でしか通用しません。そのため、研究成果は英語で国際的に発表することが重要です。
以下、何らかの形で本研究室が関与した国際会議です。学生と一緒に行っているものもあります。

the 10th International Workshop on Computational Linguistics for Uralic Languages（Kuopio, フィンランド）
13th International Conference on Mathematical Modeling in Physical Sciences（カラマタ, ギリシャ）
AI & The Future: the Age of Machines（ウィーン, オーストリア）
Power Conference 2024（プラハ, チェコ）
Annual Congress of the Belgian Society of Cardiology（ブリュッセル, ベルギー）
The international ICT Summer School（ヘルシンキ, フィンランド）
11th International Conference on Mathematical Modeling in Physical Sciences （Belgrade, セルビア）
the Seventh International Conference on Advanced Cognitive Technologies and Applications（ニース, フランス）
the 14th International Conference on Innovative Computing, Information and Control（ソウル, 韓国）
the 13th International Conference on Innovative Computing, Information and Control（Lianyungang, 中国）
The 18th International Conference on Innovative Computing, Information and Control（Qinhuangdao, 中国）
the 2017 IEEE/SICE International Symposium on System Integration（台北, 台湾）
International Conference on Machine Learning Physics
XV International Conference on Gravitation, Astrophysics and Cosmology
the 16th International Conference on Innovative Computing, Information and Control（オンライン）
12th International Conference on Mathematical Modeling in Physical Sciences（オンライン）
the 15th International Conference on Innovative Computing, Information and Control（オンライン）
The 10th International Conference on Mathematical Modeling in Physical Sciences（オンライン）
12th International Conference on Mathematical Modeling in Physical Sciences（オンライン）
International Cosmic Ray Conference 2023（名古屋, 日本）
The 17th International Conference on Innovative Computing, Information and Control（熊本, 日本）
the 19th International Conference on Innovative Computing, Information and Control（北九州, 日本）
the 8th Biennial Workshop on Digital Signal Processing for Vehicle Systems（名古屋, 日本）
10th International Congress on Industrial and Applied Mathematics (東京, 日本)
27th International Conference on Electrical Machines and Systems（福岡, 日本）
the 12th International Conference on Innovative Computing, Information and Control（熊本, 日本）
the 2016 IEEE/SICE International Symposium on System Integration（北海道, 日本）
the 2015 IEEE/SICE International Symposium on System Integration（名古屋, 日本）
the 19th International Symposium on Wearable Computers（大阪, 日本）

視察した大学：
国際動向を掴むために、海外の大学を視察することもあります。
フィンランドに1年間住んでいたので、ヨーロッパ多めです。

トゥルク大学（トゥルク, フィンランド）
ミュンヘン工科大学（ミュンヘン, ドイツ）
University of Peloponnese（カラマタ, ギリシャ）
ラップランド大学（ロヴァニエミ, フィンランド）
ラップランド応用科学大学（ロヴァニエミ, フィンランド）
タリン大学（タリン, エストニア）
カレル大学（プラハ, チェコ）
ブリュッセル自由大学（ブリュッセル, ベルギー）
アムステルダム大学（アムステルダム, オランダ）
ヘルシンキ・メトロポリア応用化学大学（ヘルシンキ, フィンランド）
ヘルシンキ大学（ヘルシンキ, フィンランド）

学務分掌

校務分掌
2026年度（日大）:

マネジメント工学科 3年生共通担任
学生生活委員会
入学試験実施専門委員会
起業戦略研究会顧問（経営戦略研究会から名称変更）
日本大学ワールド・カフェカフェマスター
学生生活支援（学生表彰）ワーキンググループ
学生生活支援（ものつくり）ワーキンググループ
教学IR室運営委員会
教育支援専門委員会
助講会会員

2025年度（日大）:

マネジメント工学科 2年生コース担任（ビジネス）
会計（ビジネスマネジメントコース）
学生生活委員会
教学IR室運営委員会
教育支援専門委員会
FD専門委員会
入学試験実施専門委員会
起業戦略研究会顧問（経営戦略研究会から名称変更）
日本大学ワールド・カフェカフェマスター
学生生活支援（学生表彰）ワーキンググループ
助講会会員
A1入試東京会場受渡責任者

2024年度（日大）:

在外派遣研究員（フィンランド、ヘルシンキメトロポリア応用科学大学）

2023年度（日大）:

入学試験実施専門委員会委員
就職指導委員委員（常任）
学生生活委員委員
マネジメント工学科 3年生コース担任（フード）
会計（ビジネスマネジメントコース）
経営戦略研究会顧問
日本大学ワールド・カフェカフェマスター
助講会会員
学生生活支援ワーキンググループ
キャリア支援ワーキンググループ
ボランティア活動支援ワーキンググループ

2022年度（日大）:

生産実習委員会委員（常任）
入学試験実施専門委員会委員
マネジメント工学科 2年生コース担任（フード）
経営戦略研究会顧問
数理・データサイエンス・AI教育の検討WG メンバー
日本大学ワールド・カフェカフェマスター補助
助講会会員

2021年度（日大）:

図書委員会委員
生産実習委員会委員
入学試験実施専門委員会委員
数理・データサイエンス・AI教育の検討WG メンバー
オンライン授業検討WG メンバー
総合型選抜WG メンバー
STEAM-to-BEプログラムWG メンバー
ハイフレックス型授業推進WG メンバー
購読雑誌継続検討WG メンバー
生産実習システム統合検討WG メンバー
マネジメント工学科 4年生コース担任
日本大学ワールド・カフェカフェマスター
助講会幹事
助講会選挙管理委員
経営戦略研究会顧問

2020年度（日大）:

図書委員会委員
生産実習委員会委員
オンライン授業検討WG メンバー
総合型選抜WG メンバー
STEAM-to-BEプログラムWG メンバー
ハイフレックス型授業推進WG メンバー
マネジメント工学科 3年生コース担任
日本大学ワールド・カフェメンバー
助講会幹事

2019年度（日大）:

図書委員会委員
マネジメント工学科 2年生コース担任
助講会会員

2018年度（東京高専）:

寮務委員会主事補
海外インターンシップ作業部会
電気工学科 4年生副担任

2017年度（東京高専）:

学生委員会委員
電気工学科 3年生副担任