Japanese/English

KDD2019 at Anchorage, Alaska

名古屋工業大学
情報工学科/大学院情報工学専攻
准教授烏山昌幸
karasuyama[at mark]nitech.ac.jp

Google Scholar 　名古屋工業大学研究者DB

データの背後に潜む法則性を解析する「機械学習」と呼ばれる分野の基礎研究を行なっています．また，応用として材料科学や生物学のデータ解析にも取り組んでいます．
keywords:
統計的機械学習，マテリアルズインフォマティクス，バイオインフォマティクス

出版物

履歴

出版物

学術雑誌(査読有)

Back↑

Y. Yamaguchi, T. Atsumi, K. Kanamori, N. Tanibata, H. Takeda, M. Nakayama, M. Karasuyama and I. Takeuchi, Drawing a materials map with an autoencoder for lithium ionic conductors, Scientific Reports, (IF in 2022 = 4.9), vol.13, 16799, 2023.
T. Otsuka, R. Oka, M. Karasuyama, T. Hayakawa, Photoluminescence Color Prediction for Eu3+-doped Perovskite Red Phosphors using Machine Learning, Physica Status Solidi - Rapid Research Letters (IF in 2022 = 2.8), 2300237, 2023.
K. Matsunoshita, Y. Yamaguchi, M. Hamaie, M. Horibe, N. Tanibata, H. Takeda, M. Nakayama, M. Karasuyama, R. Kobayashi, Optimization of Force-Field Potential Parameters Using Conditional Variational Autoencoder, Science and Technology of Advanced Materials: Methods, vol.3, no.1, 2253713, 2023.
H. Fukuda, S. Kusakawa, K. Nakano, N. Tanibata, H. Takeda, M. Nakayama, M. Karasuyama, I. Takeuchi, T. Natorie and Y. Ono, Bayesian optimisation with transfer learning for NASICON-type solid electrolytes for all-solid-state Li-metal batteries, RSC Advances (IF in 2021 = 4.036), vol.12, no.47, pp.30696-30703, 2022.
H. Hirai, T. Iizawa, T. Tamura, M. Karasuyama, R. Kobayashi, and T. Hirose, Machine-learning-based prediction of first-principles XANES spectra for amorphous materials, Physical Review Materials (IF in 2021 = 3.980), vol.6, no.16, 115601, 2022.
S. Kusakawa, S. Takeno, Y. Inatsu, K. Kutsukake, S. Iwazaki, T. Nakano, T. Ujihara, M. Karasuyama, I. Takeuchi, Bayesian Optimization for Cascade-type Multistage Processes, Neural Computation (IF in 2021 = 3.278), vol.34, no.12, pp.2408-2431, 2022.
M. Nakayama, K. Nakano, M. Harada, N. Tanibata, T. Hayami, Y. Noda, R. Kobayashi, M. Karasuyama, I. Takeuchi and M. Kotobuki, Na Superionic Conductor-Type LiZr2(PO4)3 as a Promising Solid Electrolyte for Use in All-Solid-State Li Metal Batteries, Chemical Communications (IF in 2021 = 6.605), vol.58, no.67, pp.9328-9340, 2022.
S. Takeno, H. Fukuoka, Y. Tsukada, T. Koyama, M Shiga, I. Takeuchi and M. Karasuyama, A Generalized Framework of Multi-fidelity Max-value Entropy Search through Joint Entropy, Neural Computation (IF in 2021 = 3.278), vol.34, no.10, pp.2145-2203, 2022.
T. Atsumi, K. Sato, Y. Yamaguchi, M. Hamaie, R. Yasuda, N. Tanibata, H. Takeda, M. Nakayama, M. Karasuyama and I. Takeuchi, Chemical composition data‐driven machine‐learning prediction for phase stability and materials properties of inorganic crystalline solids, physica status solidi (b) (IF in 2020 = 1.710), 259:2100525, 2022.
T. Yoshida, I. Takeuchi, and M. Karasuyama, Distance Metric Learning for Graph Structured Data, Machine Learning (IF in 2019 = 2.672), vol.110, no.7, 1765-1811, 2021.
K. Inoue*, M. Karasuyama* (* equal contribution), R. Nakamura, M Konno, D. Yamada, K. Mannen, T. Nagata, Y. Inatsu, H. Yawo, K. Yura, O. Béjà, H. Kandori, and I. Takeuchi, Exploration of natural red-shifted rhodopsins using a machine learning-based Bayesian experimental design, Communications Biology (IF in 2019 = 4.049) 4, 362, 2021.
Z. Yang, S. Suzuki, N. Tanibata, H. Takeda, M. Nakayama, M. Karasuyama, and I. Takeuchi, Efficient Experimental Search for Discovering a Fast Li-Ion Conductor from a Perovskite-Type LixLa(1-x)/3NbO3 (LLNO) Solid-State Electrolyte Using Bayesian Optimization, Journal of Physical Chemistry C (IF in 2019 = 4.189), vol.125, no.1, pp.152-160, 2021.
T. Tamura and M. Karasuyama, Prediction of formation energies of large-scale disordered systems via active-learning based executions of ab initio local-energy calculations: a case study on a Fe random grain boundary model with millions of atoms, Physical Review Materials (IF in 2018 = 2.926), vol.4, no.11, 113602, 2020.
M. Harada, H. Takeda, S. Suzuki, K. Nakano, N. Tanibata, M. Nakayama, M. Karasuyama, and I. Takeuchi, Bayesian-optimization-guided experimental search of NASICON-type solid electrolytes for all-solid-state Li-ion batteries, Journal of Materials Chemistry A (IF in 2019 = 11.301), vol.8 no.30, pp.15103-15109, 2020.
S. Takeno, Y. Tsukada, H. Fukuoka, T. Koyama, M. Shiga, and M. Karasuyama, Cost-effective search for lower-error region in material parameter space using multifidelity Gaussian process modeling, Physical Review Materials (IF in 2018 = 2.926), vol.4, no.8, 083802, 2020.
Y. Inatsu, M. Karasuyama, K. Inoue, and I. Takeuchi, Active Learning for Level Set Estimation Under Input Uncertainty and its Extensions, Neural Computation (IF in 2019 = 2.505), vol.32, no.12, pp.2486-2531, 2020.
M. Karasuyama, H. Kasugai, T. Tamura, and K. Shitara, Computational Design of Stable and Highly Ion-conductive Materials using Multi-objective Bayesian Optimization: Case Studies on Diffusion of Oxygen and Lithium, Computational Materials Science (IF in 2019 = 2.863), vol.184, 109927, 2020.
Y. Inatsu, M. Karasuyama, K. Inoue, H. Kandori, and I. Takeuchi, Active Learning of Bayesian Linear Models with High-Dimensional Binary Features by Parameter Confidence-Region Estimation, vol.32, no.10, pp.1998-2031, 2020. Neural Computation (IF in 2018 = 2.261), .
V. N. L. Duy, T. Sakuma, T. Ishiyama, H. Toda, K. Arai, M. Karasuyama, Y. Okubo, M. Sunaga, H. Hanada, Y. Tabei, and I. Takeuchi, Stat-DSM: Statistically Discriminative Sub-trajectory Mining with Multiple Testing Correction, IEEE Transactions on Knowledge and Data Engineering (IF in 2018 = 3.857), vol. 34, no. 3, pp. 1477-1488, 2022.
Y. Tsukada, S. Takeno, M. Karasuyama, H. Fukuoka, M. Shiga, and T. Koyama, Estimation of material parameters based on precipitate shape: efficient identification of low-error region with Gaussian process modeling, Scientific Reports (IF in 2018 = 4.525), vol.9, 15798, 2019.
T. Yoshida, I. Takeuchi, and M. Karasuyama, Safe Triplet Screening for Distance Metric Learning, Neural Computation (IF in 2018 = 2.261), vol.31, no.12, pp.2432-2491, 2019.
T. Sakuma, K. Nishi, K. Kishimoto, K. Nakagawa, M. Karasuyama, Y. Umezu, S. Kajioka, S. J. Yamazaki, K. D. Kimura, S. Matsumoto, K. Yoda, M. Fukutomi, H. Shidara, H. Ogawa and I. Takeuchi, Efficient learning algorithm for sparse subsequence pattern-based classification and applications to comparative animal trajectory data analysis, Advanced Robotics (IF in 2017 = 0.961), vol.33, no.3-4, pp.134-152, 2019.
T. Yonezu, T. Tamura, I. Takeuchi, M. Karasuyama, Knowledge-Transfer based Cost-effective Search for Interface Structures: A Case Study on fcc-Al [110] Tilt Grain Boundary, Physical Review Materials (IF in 2018 = 2.926), vol.2 no.11, 113802, 2018.
M. Karasuyama, K. Inoue, R. Nakamura, H. Kandori, and I. Takeuchi, Understanding Colour Tuning Rules and Predicting Absorption Wavelengths of Microbial Rhodopsins by Data-Driven Machine-Learning Approach, Scientific Reports (IF in 2017 = 4.122), vol.8, no.1, 15580, 2018.
K. Kanamori, K. Toyoura, J. Honda, K. Hattori, A. Seko, M. Karasuyama, K. Shitara, M. Shiga, A. Kuwabara, and I. Takeuchi, Exploring a potential energy surface by machine learning for characterizing atomic transport, Physical Review B (IF in 2016 = 3.836), vol.97, no.12, pp.125124, 2018.
T. Tamura*, M. Karasuyama*, R. Kobayashi, R. Arakawa, Y. Shiihara, and I. Takeuchi, (* corresponding author), Fast and Scalable Prediction of Local Energy at Grain Boundaries: Machine-learning based Modeling of First-principles Calculations, Modelling and Simulation in Materials Science and Engineering (IF in 2016 = 1.891), vol.25, no.7, 075003, 2017.
M. Gönen*, B. A Weir*, G. S Cowley*, Y. Guan*, A. Jaiswal*, M. Karasuyama*, V. Uzunangelov*, F. Vazquez*, T. Wang*, A. Airola, A. Bivol, J. Boehm, K. Bunte, D. Carlin, S. Chopra, A. Deran, K. Ellrott, P. Gopalacharyulu, K. Graim, B. Hoff, S. Howell, S. Kaski, S. A Khan, D. Marbach, Y. Newton, T. C Norman, S. Ng, T. Pahikkala, E. Paull, A. Sokolov, H. Tang, J. Tang, A. Tsherniak, K. Wennerberg, Y. Xie, X. Zhan, F. Zhu, Broad-DREAM Community, T. Aittokallio, H. Mamitsuka, D. Root, J. M Stuart, G. Xiao, G. Stolovitzky, W. C Hahn & A. A Margolin, (* equal contribution), A Community Challenge for Inferring Genetic Predictors of Gene Essentialities through Analysis of a Functional Screen of Cancer Cell Lines, Cell Systems (IF in 2016 = 8.406), vol.5, no.5, p485 497.e3, 2017.
S. Suzumura, K. Ogawa, M. Sugiyama, M. Karasuyama, I. Takeuchi, Homotopy Continuation Approaches for Robust SV Classification and Regression, Machine Learning (IF in 2015 = 1.719), vol.106, no.7, pp.1009-1038, 2017.
M. Karasuyama, and H. Mamitsuka, Adaptive Edge Weighting for Graph-Based Learning Algorithms, Machine Learning (IF in 2015 = 1.719), vol.106, no.2, pp.307-335, 2017. [Code]
S. Yotsukura, M. Karasuyama, I. Takigawa, and H. Mamitsuka, Exploring Phenotype Patterns of Breast Cancer within Somatic Mutations: A Modicum in the Intrinsic Code, Briefings in Bioinformatics (IF in 2015 = 8.399), vol.18, no.4, pp.619 633, 2017.
K. Toyoura, D. Hirano, A. Seko, M. Shiga, A. Kuwabara, M. Karasuyama, K. Shitara, and I. Takeuchi, A Machine Learning-based Selective Sampling Procedure for Identifying Low Energy Region in a Potential Energy Surface: A Case Study on Proton Conduction in Oxides, Physical Review B (IF in 2015 = 3.718), vol.93, no.5, pp.054112, 2016.
M. Karasuyama and H. Mamitsuka, Multiple Graph Label Propagation by Sparse Integration, IEEE Transactions on Neural Networks and Learning Systems (IF in 2012 = 3.766), vol.24. no.12, pp.1999-2012, 2013. [Code]
M. Karasuyama and M. Sugiyama, Canonical Dependency Analysis based on Squared-loss Mutual Information, Neural Networks (IF in 2011 = 2.182), vol.34, pp.46-55, 2012.
M. Karasuyama, N. Harada, M. Sugiyama and I. Takeuchi, Multi-parametric Solution-path Algorithm for Instance-weighted Support Vector Machines, Machine Learning (IF in 2010 = 1.967), vol.88, no.3, pp.297-330, 2012.
M. Karasuyama and I. Takeuchi, Nonlinear Regularization Path for Quadratic Loss Support Vector Machines, IEEE Transactions on Neural Networks (IF in 2010 = 2.633), vol.22, no.10, pp.1613-1625, Oct. 2011.
M. Karasuyama and I. Takeuchi, Multiple Incremental Decremental Learning of Support Vector Machines, IEEE Transactions on Neural Networks (IF in 2010 = 2.633), vol.21, no.7, pp.1048-1059, July 2010.
M. Karasuyama, I. Takeuchi and R. Nakano, Efficient Leave-m-out Cross-Validation of Support Vector Regression by Generalizing Decremental Algorithm, New Generation Computing (IF in 2009 = 0.364), vol. 27, no. 4, Special Issue on Data-Mining and Statistical Science, pp.307-318, 2009.
H. Moriguchi, I. Takeuchi, M. Karasuyama, S. Horikawa, Y. Ohta, T. Kodama, and H. Naruse, Adaptive Kernel Quantile Regression for Anomaly Detection, Journal of Advanced Computational Intelligence and Inteligent Informatics, vol.13, no.3, pp.230-236, 2009.

国際学会・ワークショップ (査読有)

Back↑

R. Ozaki, K. Ishikawa, Y. Kanzaki, S. Takeno, I. Takeuchi and M. Karasuyama, Multi-objective Bayesian Optimization with Active Preference Learning, the 38th AAAI Conference on Artificial Intelligence (AAAI 2024), to appear (Acceptance rate: 23.8%).
S. Takeno, Y. Inatsu and M. Karasuyama, Randomized Gaussian Process Upper Confidence Bound with Tight Bayesian Regret Bounds, Proceedings of The 40th International Conference on Machine Learning (ICML 2023), PMLR 202:33490-33515, 2023 (Acceptance rate: 27.9%).
S. Takeno, M. Nomura and M. Karasuyama, Towards Practical Preferential Bayesian Optimization with Skew Gaussian Processes, Proceedings of The 40th International Conference on Machine Learning (ICML 2023), PMLR 202:33516-33533, 2023 (Acceptance rate: 27.9%).
H. Ishibashi, M. Karasuyama, I. Takeuchi, and H. Hino, A stopping criterion for Bayesian optimization by the gap of expected minimum simple regrets, Proceedings of the 26th International Conference on Artificial Intelligence and Statistics (AISTATS 2023), PMLR 206:6463-6497, 2023 (Acceptance rate: 29%).
S. Takeno, M. Nomura, and M. Karasuyama, Preferential Bayesian Optimization with Hallucination Believer, NeurIPS Workshop on Gaussian Processes, Spatiotemporal Modeling, and Decision-making Systems, 2022.
S. Takeno, T. Tamura, K. Shitara, and M. Karasuyama, Sequential- and Parallel- Constrained Max-value Entropy Search via Information Lower Bound, Proceedings of The 39th International Conference on Machine Learning (ICML 2022), PMLR 162: 20960-20986, 2022 (Acceptance rate: 21.9%).
Y. Inatsu, S. Takeno, M. Karasuyama and I. Takeuchi, Bayesian Optimization for Distributionally Robust Chance-constrained Problem, Proceedings of The 39th International Conference on Machine Learning (ICML 2022), PMLR 162:9602-9621, 2022 (Acceptance rate: 21.9%).
S. Takeno, H. Fukuoka, Y. Tsukada, T. Koyama, M. Shiga, I. Takeuchi, and M. Karasuyama, Multi-fidelity Bayesian Optimization with Max-value Entropy Search and its Parallelization, Proceedings of the 37th International Conference on Machine Learning (ICML 2020), PMLR 119:9334-9345, 2020 (Acceptance rate 22%).
S. Suzuki, S. Takeno, T. Tamura, K. Shitara, and M. Karasuyama, Multi-objective Bayesian Optimization using Pareto-frontier Entropy, Proceedings of the 37th International Conference on Machine Learning (ICML 2020), PMLR 119:9279-9288, 2020 (Acceptance rate 22%)
D. V. N. Le, T. Sakuma, T. Ishiyama, H. Toda, K. Arai, M. Karasuyama, Y. Okubo, M. Sunaga, Y. Tabei, I. Takeuchi, Statistically Discriminative Sub-trajectory Mining with Multiple Testing Correction, the 27th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, 2019 (Acceptance rate 21%).
T. Yoshida, I. Takeuchi, and M. Karasuyama, Learning Interpretable Metric between Graphs: Convex Formulation and Computation with Graph Mining, Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD 2019), pp. 1026-1036, Anchorage, AK, USA, Aug. 04-08, 2019 (Acceptance rate 14%).
T. Yoshida, I. Takeuchi, and M. Karasuyama, Safe Triplet Screening for Distance Metric Learning, Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD 2018), pp. 2653-2662, London, United Kingdom, Aug. 19-23, 2018 (Acceptance rate 18%).
M. Karasuyama, H. Mamitsuka, Factor Analysis on a Graph, Proceedings of the 21th International Conference on Artificial Intelligence and Statistics (AISTATS 2018), vol.84, pp.1117--1126, Canary Islands, Spain, Apr. 09-11, 2018 (Acceptance rate 33%).
K. Nakagawa, S. Suzumura, M. Karasuyama, K. Tsuda, and I. Takeuchi, Safe Pattern Pruning: An Efficient Approach for Predictive Pattern Mining, Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD 2016), pp.1785--1794, San Francisco, USA, Aug. 13-17, 2016 (Acceptance rate 18%).
A. Shibagaki, M. Karasuyama, K. Hatano, I. Takeuchi, Simultaneous Safe Screening of Features and Samples in Doubly Sparse Modeling, Proceedings of The 33rd International Conference on Machine Learning (ICML 2016), pp.1577-1586, New York, USA, Jun. 19-24, 2016 (Acceptance rate 24%).
A. Shibagaki, Y. Suzuki, M. Karasuyama, I. Takeuchi, Regularization Path of Cross-Validation Error Lower Bounds Advances in Neural Information Processing Systems (NIPS) 28, pp.1666-1674, 2015 (Acceptance rate 22%).
M. Karasuyama and H. Mamitsuka, Manifold-based Similarity Adaptation for Label Propagation, Advances in Neural Information Processing Systems (NIPS) 26, pp.1547-1555, 2013 (Acceptance rate 25%). [Code]
M. Karasuyama, N. Harada, M. Sugiyama and I. Takeuchi, Multi-parametric Solution-path Algorithm for Instance-weighted Support Vector Machines, Machine Learning for Signal Processing (MLSP), 2011 IEEE International Workshop on, vol.xx, no.xx, pp.xx-xx, 18-21 Sept. 2011.
M. Karasuyama, and I. Takeuchi, Suboptimal Solution Path Algorithm for Support Vector Machine, In L. Getoor and T. Scheffer eds., Proceedings of the 28th International Conference on Machine Learning (ICML), pp. 473-480, June, 2011 (Acceptance rate 26%).
M. Karasuyama, and I. Takeuchi, Nonlinear Regularization Path for the Modified Huber loss Support Vector Machines, In International Joint Conference on Neural Networks (IJCNN), pp. 3099-3106, 2010.
M. Karasuyama and I. Takeuchi, Multiple Incremental Decremental Learning of Support Vector Machines, In Y. Bengio, D. Schuurmans, J. Lafferty, C. K. I. Williams, and A. Culotta eds., Advances in Neural Information Processing Systems (NIPS) 22, pp. 907-915. 2009 (Acceptance rate 24%).
M. Karasuyama, I. Takeuchi and R. Nakano, Reducing SVR Support Vectors by Using Backward Deletion, In Proceedings of the 12th international Conference on Knowledge-Based intelligent information and Engineering Systems (KES), Part III, Lecture Notes In Artificial Intelligence, vol. 5179. Springer-Verlag, Berlin, Heidelberg, pp. 76-83, 2008
M. Karasuyama, and R. Nakano, Optimizing Sparse Kernel Ridge Regression Hyperparameters Based on Leave-one-out Cross-validation, In International Joint Conference on Neural Networks (IJCNN), pp. 3463-3468, 2008.
M. Karasuyama, and R. Nakano, Optimizing SVR Hyperparameters via Fast Cross-Validation using AOSVR, In International Joint Conference on Neural Networks (IJCNN), pp. 1186-1191, 2007.
M. Karasuyama, D. Kitakoshi and R. Nakano, Revised Optimizer of SVR Hyperparameters Minimizing Cross-Validation Error, In International Joint Conference on Neural Networks (IJCNN), pp. 711-718, 2006.

Online pre-print

Back↑

T. Shinji, R. Sugihara, R. Kitahara, and M. Karasuyama, Learning Attributed Graphlets: Predictive Graph Mining by Graphlets with Trainable Attribute, arXiv:2402.06932, 2024.
R. Ozaki, K. Ishikawa, Y. Kanzaki, S. Suzuki, S. Takeno, I. Takeuchi, and M. Karasuyama, Multi-Objective Bayesian Optimization with Active Preference Learning, arXiv:2311.13460, 2023.
S. Takeno, Y. Inatsu, M. Karasuyama, and I. Takeuchi, Posterior Sampling-Based Bayesian Optimization with Tighter Bayesian Regret Bounds, arXiv:2311.03760, 2023.
S. Takeno, M. Nomura and M. Karasuyama, Towards Practical Preferential Bayesian Optimization with Skew Gaussian Processes, arXiv:2302.01513, 2023.
S. Takeno, Y. Inatsu and M. Karasuyama, Randomized Gaussian Process Upper Confidence Bound with Tight Bayesian Regret Bounds, arXiv:2302.01511,2023.
Y. Inatsu, S. Takeno, M. Karasuyama and I. Takeuchi, Bayesian Optimization for Distributionally Robust Chance-constrained Problem, arXiv:2201.13112, 2022
S. Kusakawa, S. Takeno, Y. Inatsu, K. Kutsukake, S. Iwazaki, T. Nakano, T. Ujihara, M. Karasuyama, I. Takeuchi, Bayesian Optimization for Cascade-type Multi-stage Processes, arXiv:2111.08330, 2021
S. Takeno, T. Tamura, K. Shitara, and M. Karasuyama, Sequential- and Parallel- Constrained Max-value Entropy Search via Information Lower Bound, arXiv:2102.09788, 2021
K. Inoue, M. Karasuyama, R. Nakamura, M. Konno, D. Yamada, K. Mannen, T. Nagata, Y. Inatsu, K. Yura, O. Beja, H. Kandori, I. Takeuchi, Exploration of natural red-shifted rhodopsins using a machine learning-based Bayesian experimental design, bioRxiv 2020.04.21.052548, 2020
S. Takeno, Y. Tsukada, H. Fukuoka, T. Koyama, M. Shiga, and M. Karasuyama, Cost-effective search for lower-error region in material parameter space using multifidelity Gaussian process modeling, arXiv:2003.13428, 2020
M. Karasuyama, H. Kasugai, T. Tamura, and K. Shitara, Computational Design of Stable and Highly Ion-conductive Materials using Multi-objective Bayesian Optimization: Case Studies on Diffusion of Oxygen and Lithium, arXiv:2003.09036, 2020
T. Yoshida, I. Takeuchi and M. Karasuyama, Distance Metric Learning for Graph Structured Data, arXiv:2002.00727, 2020
T. Tamura, and M. Karasuyama, Active-learning-based efficient prediction of ab-initio atomic energy: a case study on a Fe random grain boundary model with millions of atoms, arXiv:1912.04596, 2019
Y. Inatsu, M. Karasuyama, K. Inoue, and I. Takeuchi, Active learning for level set estimation under cost-dependent input uncertainty, arXiv:1909.06064, 2019
S. Suzuki, S. Takeno, T. Tamura, K. Shitara, and M. Karasuyama, Multi-objective Bayesian Optimization using Pareto-frontier Entropy, arXiv:1906.00127, 2019
V. N. L. Duy, T. Sakuma, T. Ishiyama, H. Toda, K. Nishi, M. Karasuyama, Y. Okubo, M. Sunaga, Y. Tabei, I. Takeuchi, Statistically Discriminative Sub-trajectory Mining, arXiv:1905.01788, 2019
S. Takeno, H. Fukuoka, Y. Tsukada, T. Koyama, M. Shiga, I. Takeuchi, and M. Karasuyama, Multi-fidelity Bayesian Optimization with Max-value Entropy Search, arXiv:1901.08275, 2019
T. Yoshida, I. Takeuchi and M. Karasuyama, Safe Triplet Screening for Distance Metric Learning, arXiv:1802.03923, 2018
M. Karasuyama, K. Inoue, H. Kandori, I. Takeuchi, Toward Machine Learning-based Data-driven Functional Protein Studies: Understanding Colour Tuning Rules and Predicting the Absorption Wavelengths of Microbial Rhodopsins, bioRxiv 226118, 2017
K. Kanamori, K. Toyoura, J. Honda, K. Hattori, A. Seko, M. Karasuyama, K. Shitara, M. Shiga, A. Kuwabara, I. Takeuchi, Exploring a potential energy surface by machine learning for characterizing atomic transport, arXiv:1710.03468, 2017
T. Yonezu, T. Tamura, I. Takeuchi, M. Karasuyama, Knowledge-Transfer based Cost-effective Search for Interface Structures: A Case Study on fcc-Al [110] Tilt Grain Boundary, arXiv:1708.03130, 2017
K. Nakagawa, S. Suzumura, M. Karasuyama, K. Tsuda, I. Takeuchi, Safe Pattern Pruning: An Efficient Approach for Predictive Pattern Mining, arXiv:1602.04548, 2016
A. Shibagaki, M. Karasuyama, K. Hatano, Ichiro Takeuchi, Simultaneous Safe Screening of Features and Samples in Doubly Sparse Modeling, arXiv:1602.02485, 2016
K. Toyoura, D. Hirano, A. Seko, M. Shiga, A. Kuwabara, M. Karasuyama, K. Shitara, I. Takeuchi, A machine learning-based selective sampling procedure for identifying the low energy region in a potential energy surface: a case study on proton conduction in oxides, arXiv:1512.00623, 2015
S. Suzumura, K. Ogawa, M. Sugiyama, M. Karasuyama, Ichiro Takeuchi, Homotopy Continuation Approaches for Robust SV Classification and Regression arXiv:1507.03229, 2015
K. Nakagawa, S. Suzumura, M. Karasuyama, K. Tsuda, I. Takeuchi, Safe Feature Pruning for Sparse High-Order Interaction Models, arXiv1506.08002, 2015
A. Shibagaki, Y. Suzuki, M. Karasuyama, I. Takeuchi, Regularization Path of Cross-Validation Error Lower Bounds, arXiv:1502.02344, 2015
M. Karasuyama, I. Takeuchi, Suboptimal Solution Path Algorithm for Support Vector Machine arXiv:1105.0471, 2011
M. Karasuyama, N. Harada, M. Sugiyama, I. Takeuchi, Multi-parametric Solution-path Algorithm for Instance-weighted Support Vector Machines, arXiv:1009.4791, 2010

国内研究会など

Back↑

石川和樹, 尾崎令拓, 神崎陽平, 竹内一郎, 烏山昌幸, 共有潜在空間上でのベイズ最適化による機械学習モデルとハイパーパラメータの同時選択, 第26回情報論的学習理論ワークショップ (IBIS2023), 2023年10月
岩下拓未, 平井悠喜, 小林亮, 田村友幸, 烏山昌幸, ガウス過程回帰に基づく結晶構造X線吸収スペクトル予測と価数比推定, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 123, no. 91, IBISML2023-3, pp. 17-24, 2023年6月.
杉原蓮, 田島慎司, 北原諒多, 烏山昌幸, 近接勾配プルーニングに基づく属性付きグラフの予測マイニング, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 123, no. 91, IBISML2023-16, pp. 98-105, 2023年6月
竹野思温, 烏山昌幸, 最適値の情報量に基づいたマルチフィデリティベイズ最適化, 第37回人工知能学会全国大会, 4Q3-OS-14-02, 2023年6月.
神崎陽平, 石川和樹, 尾崎令拓, 烏山昌幸, 稲津佑, 竹内一郎, 変分自己符号化器を用いた探索空間の削減による高次元ベイズ最適化, 第37回人工知能学会全国大会, 412-OS-1a-01, 2023年6月.
大塚喬仁, 岡亮平, 烏山昌幸, 早川知克, Eu3+添加ペロブスカイト型蛍光体の教師あり学習による発光特性予測, 日本セラミックス協会2023年年会, 2023年3月
尾崎令拓, 石川和樹, 神崎陽平, 竹野思温, 竹内一郎, 烏山昌幸, 選好考慮型多目的ベイズ最適化によるユーザの好みを反映したハイパーパラメータ最適化, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 122, no. 325, IBISML2022-60, pp. 120-127, 2022年12月.
竹野思温, 稲津佑, 烏山昌幸, 乱択GP-UCBアルゴリズムのリグレット解析, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 122, no. 325, IBISML2022-49, pp. 38-45, 2022年12月.
平井悠喜，田村友幸，烏山昌幸，小林亮, アモルファス材料における機械学習に基づいた第一原理XANESの予測, 日本セラミックス協会2022年秋季シンポジウム, 日本セラミックス協会, 2022年9月.
平井悠喜，田村友幸，烏山昌幸，小林亮, アモルファス材料における機械学習に基づいた第一原理XANESの予測, 日本物理学会2022年秋季大会, 日本物理学会, 2022年9月.
吉田拓未, 花田博幸, 中川和也, 鈴村真矢, Onur Boyar, 岩田和樹, 志村　駿, 田中優次, 烏山昌幸, 田地宏一, 津田宏治, 竹内一郎, 複数の参照解を利用したSafe Pattern Pruningにおける正則化パス計算の効率化, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 122, no. 189, IBISML2022-38, pp. 39-46, 2022年9月.
尾崎令拓，高木優介，烏山昌幸，竹内一郎，ユーザの選好推定に基づく多目的ベイズ最適化によるハイパーパラメータ最適化，第36回人工知能学会全国大会，3J3-OS-3a-02，2022年6月．
竹野思温, 田村友幸, 設楽一希, 烏山昌幸, 情報量の下界に基づく逐次的及び並列的な制約付きベイズ最適化, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 121, no. 321, IBISML2021-19, pp. 9-16, 2022年1月.
朝日陽向, 烏山昌幸, 予測グラフマイニングによるグラフニューラルネットワークの局所的解釈, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 121, no. 321, IBISML2021-23, pp. 37-44, 2022年1月.
山田倫太郎, 竹野思温, 烏山昌幸, 情報量に基づく複数タスクの同時ベイズ最適化, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 121, no. 321, IBISML2021-28, pp. 75-80, 2022年1月.
竹野思温, 田村友幸, 設楽一希, 烏山昌幸, 情報量の下界に基づく制約付きベイズ最適化, 第24回情報論的学習理論ワークショップ (IBIS2021), 2021年11月
草川隼也, 竹野思温, 稲津佑, 沓掛健太郎, 岩崎省吾, 中野高志, 烏山昌幸, 宇治原徹, 竹内一郎, カスケードタイプの多ステージプロセスに対するベイズ最適化, 第24回情報論的学習理論ワークショップ (IBIS2021), 2021年11月
稲津佑, 竹野思温, 烏山昌幸, 竹内一郎, 分布的ロバストな機会制約付き最適化問題に対する能動学習, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 121, no. 80, IBISML2021-7, pp. 47-54, 2021年6月.
朝日陽向, 烏山昌幸, 属性区間付きグラフを用いた予測グラフマイニング, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol. 121, no. 80, IBISML2021-6, pp. 39-46, 2021年6月.
羽川晟史, 烏山昌幸, 予測パターンマイニングにおける非単調性特徴量のためのSafe Pattern Pruning, ニューロコンピューティング研究会（NC）, 信学技報, vol. 120, no. 403, NC2020-73, pp. 174-179, 2021年3月.
竹野思温, 福岡準史, 塚田祐貴, 小山敏幸, 志賀元紀, 竹内一郎, 烏山昌幸, Max-value Entropy Searchに基づくMulti-fidelityベイズ最適化, 第22回情報論的学習理論ワークショップ (IBIS2019), ウインクあいち, 2019年11月
鈴木進也, 竹野思温, 田村友幸, 設楽一希, 烏山昌幸, Pareto-frontier Entropyに基づく多目的ベイズ最適化, 第22回情報論的学習理論ワークショップ (IBIS2019), ウインクあいち, 2019年11月
柴原芳和, 佐久間拓人, 竹内一郎, 烏山昌幸, 適応的空間分割に基づく連続値時系列データのためのPredictive Sequence Mining, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.119, no.89, IBISML2019, pp.57-64, 2019年6月（IBISML2019年度研究会賞ファイナリスト）
吉田知貴, 竹内一郎, 烏山昌幸, 部分グラフに基づくグラフ間の距離学習, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.118, no.284, IBISML2018, pp.151-158, 2018年11月
竹野思温, 竹内一郎, 烏山昌幸, マルチフィデリティな評価関数を活用した能動的レベルセット推定, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.118, no.81, IBISML2018, pp.1-8, 2018年6月
新海知道, 鈴木宏和, 山崎修平, 烏山昌幸, 木村幸太郎, 依田憲, 竹内一郎, 条件付き確率場を用いた生物移動経路のセグメンテーションと群特異的行動選出, 第62回システム制御情報学会研究発表講演会, 2018年5月
烏山昌幸, 竹内一郎, 系列データからのクラス特異的代表パターン選出: 分類モデルとMorse Complex によるアプローチ, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.117, no.475, IBISML2018, pp.77-84, 2018年3月
吉田知貴, 竹内一郎, 烏山昌幸, マージン最大化距離学習におけるセーフスクリーニング, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.117, no.293, IBISML2017-11, pp.219-226, 2017年11月（IBIS2017学生優秀プレゼンテーション賞）
米津智弘, 田村友幸, 小林亮, 竹内一郎, 烏山昌幸, コスト考慮型ベイズ最適化による複数目的関数最適化とその材料分野への応用, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.117, no.110, IBISML2017-10, pp.207-213, 2017年6月
烏山昌幸, 柴垣篤志, 竹内一郎, 変数の保持と削除に関するセーフルールによるスパースモデル最適化問題のサイズ縮小と高速化に関する一考察, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.116, no.500, IBISML2016-107, pp.57-62, 2017年3月
金森研太, 豊浦和明, 中島伸一, 世古敦人, 烏山昌幸, 桑原彰秀, 本多淳也, 設楽和希, 志賀元紀, 竹内一郎, ガウス過程と動的計画法を用いたプロトン伝導体の伝導度推定, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.116, no.300, IBISML2016-73, pp.191-198, 2016年11月（IBISML研究会賞2016）
柴垣篤志, 烏山昌幸, 畑埜晃平, 竹内一郎, スパースモデルのための特徴と標本の同時セーフスクリーニング, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.116, no.121, IBISML2016-4, pp.201-208, 2016年7月
中川和也, 鈴村真矢, 烏山昌幸, 津田宏治, 竹内一郎, パターンマイニング問題におけるセーフパターンプルーニングを用いたスパースモデルの学習, 情報論的学習理論と機械学習研究会(IBISML), 信学技報, vol.116, no.121, IBISML2016-4, pp.201-208, 2016年7月
烏山昌幸，馬見塚拓，複数多様体の同時推定に基づく特徴クラスタリング，情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 115, no. 323, IBISML2015-79, pp. 195-201, 2015年11月
平野大輔，豊浦和明，世古敦人，志賀元紀，桑原彰秀，烏山昌幸，設楽一希，竹内一郎，ガウス過程を用いた選択的サンプリングとその材料分野への応用，情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 115, no. 323, IBISML2015-66, pp. 99-106, 2015年11月（IBISML研究会賞2015）
中川和也，鈴村真矢，烏山昌幸，竹内一郎，セーフスクリーニングを用いた組み合わせ効果を持つスパースモデルの効率的学習，信学技報, vol. 115, no. 112, IBISML2015-10, pp. 63-68, 2015年6月
烏山昌幸, 馬見塚拓, 局所線形近似に基づくラベル伝播のための類似度適合, 情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 112, no. 454, IBISML2012-109, pp. 115-121, 2013年3月.
烏山昌幸, 馬見塚拓, ラベル伝播アルゴリズムにおける複数グラフのスパース結合法, 情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 112, no. 279, IBISML2012-58, pp. 171-178, 2012年11月.
M. Karasuyama, H. Mamitsuka, Label Propagation through Graph-based Feature Reconstruction, 2012 Sapporo Warkshop on Machine Learning and Applications to Biology, Aug, 2012.
烏山昌幸, 杉山将, Canonical Dependency Analysis based on Squared-loss Mutual Information, 情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 114, no. 194, IBISML2011-38, pp. 173-180, 2011年9月.
鈴木良規, 磯部浩太, 烏山昌幸，竹内一郎，パス追跡を用いたSVM ブートストラップ計算の高速化に関する一考察, 電気関係学会東海支部連合大会，G3-2, 2011年9月.
本郷辰哉, 杉浦徹, 烏山昌幸, 竹内一郎, マルチタスク特徴抽出アルゴリズムを用いたコスト考慮型SVMに関する検討, 第10回情報科学技術フォーラム (FIT 2011), F-039, 2011年9月.
磯部浩太, 石川勇太, 烏山昌幸, 泉泰介, 竹内一郎, SVMを用いた多変量2標本検定のパス追跡による高速化とその遺伝子群解析への応用, 第10回情報科学技術フォーラム (FIT 2011), F-017, 2011年9月.
烏山昌幸, 長谷川拓矢，松野司，竹内一郎，順位情報に基づいたランキングSVMの適応的重み付けに関する一考察, 情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 110, no. 476, IBISML2010-115, pp. 77-83, 2010年3月.
烏山昌幸, 竹内一郎，近似解のパス追跡に関する一考察, 情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 110, no. 265, IBISML2010-89, pp. 221-230, 2010年11月. (Honorable Mention IBIS 2010)
杉浦徹, 小出和諒, 本郷辰哉, 烏山昌幸, 竹内一郎，混合ノルム正則化を用いたコスト考慮型学習の同時変数選択に関する研究, 情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 110, no. 265, IBISML2010-70, pp. 83-90, 2010年11月.
石川勇太, 磯部浩太, 烏山昌幸, 泉泰介, 竹内一郎， MSTに基づくSVMパス追跡を用いた多重多変量2標本検定による遺伝子群解析に関する一考察, 情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 110, no. 265, IBISML2010-88, pp. 211-220, 2010年11月.
烏山昌幸, 竹内一郎， 2次損失サポートベクトルマシンの非線形正則化パスに関する一考察, 情報論的学習理論と機械学習研究会(IBISML)，信学技報, vol. 110, no. 76, IBISML2010-6, pp. 23-31, 2010年6月.
原田尚幸，長谷川拓矢，烏山昌幸, 竹内一郎，評価値の離散変化追跡によるランキングモデルの最適化に関する一考察, 信学技報, vol. 109, no. 461, NC2009-166, pp. 461-466, 2010年3月.
烏山昌幸, 竹内一郎，フーバー型損失関数を用いたサポートベクトルマシンの正則化パスに関する一考察, 第7回情報学ワークショップ (WiNF 2009)，pp. 41-46, 2009年11月. (情報学ワークショップ優秀賞)
烏山昌幸, 原田尚幸，竹内一郎，重み付きカーネルマシンの多次元パス追跡法に関する一考察，第12回情報論的学習理論ワークショップ (IBIS 2009)，pp. 198-205, 2009年10月. (Honorable Mention IBIS 2009)
原田尚幸，烏山昌幸，竹内一郎，重み付きサポートベクトルマシンのオンライン学習に関する一考察，電気関係学会東海支部連合大会，2009年9月.
大坪拓也，烏山昌幸，竹内一郎，サポートベクトル回帰の忘却係数パス追跡に関する一考察，電気関係学会東海支部連合大会，2009年9月.
烏山昌幸, 竹内一郎，中野良平，サポートベクトル回帰におけるDecremental Algorithmの一般化に関する一考察，第9回人工知能学会データマイニングと統計数理研究会(SIG-DMSM)，2009年3月.
烏山昌幸, 竹内一郎，中野良平，カーネルマシンにおける勾配方向への２次元パス追跡法, 信学技報, vol. 108, no. 372, NC2008-80, pp. 43-48, 2008年12月. (IEEE Computational Intelligence Society Japan Chapter Young Researcher Award)
烏山昌幸, 中野良平，交差検証誤差最小化によるSV回帰ハイパーパラメータ最適化の高速化, 信学技報, vol. 107, no. 410, NC2007-73, pp. 13-18, 2007年12月.

書籍・解説など

Back↑

書籍

マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例（分担執筆第4章5節担当），技術情報協会，2021.
AI・MI・計算科学を活用した蓄電池研究開発動向（分担執筆第II編6-7章担当），シーエムシーリサーチ，2021．
データ分析の進め方及びAI・機械学習導入の指南　〜データ収集・前処理・分析・評価結果の実務レベル対応〜（分担執筆第５章第４節第２項担当），情報機構， 2020．
S. Yotsukura, M. Karasuyama, I. Takigawa, and H. Mamitsuka, A Bioinformatics Approach for Understanding Genotype-Phenotype Correlation in Breast Cancer, In Ka-Chun Wong, editor, Big Data Analytics in Genomics, chapter 13, Springer, 2016.
サポートベクトルマシン (機械学習プロフェッショナルシリーズ)，竹内一郎，烏山昌幸，講談社，2015．
統計的学習の基礎 -データマイニング・推論・予測- （１２章担当），共立出版，2014．
- 原著：Trevor Hastie，Robert Tibshirani，Jerome Friedman
- 監訳：杉山将，井手剛，神嶌敏弘，栗田多喜夫，前田英作
- 翻訳：井尻善久，井手剛，岩田具治，金森敬文，兼村厚範，烏山昌幸，河原吉伸，木村昭悟，小西嘉典，酒井智弥，鈴木大慈，竹内一郎，玉木徹，出口大輔，冨岡亮太，波部斉，前田新一，持橋大地，山田誠

総説・解説記事

田村友幸, 烏山昌幸, アモルファス材料のXANES予測 ─第一原理計算と機械学習─, 日本セラミックス協会誌「セラミックス」, 58 (11), 742-746, 2023年11月.
田村友幸, 烏山昌幸, 粒界物性研究に向けた情報科学の導入, 日本セラミックス協会誌「セラミックス」, 55 (9), 656-661, 2020年09月.

学位論文

Back↑

烏山昌幸，Parametric optimization in machine learing，名古屋工業大学創成シミュレーション工学専攻博士論文，2011
烏山昌幸，スパースカーネルリッジ回帰のハイパーパラメータ最適化，名古屋工業大学大学院工学研究科情報工学専攻修士論文，2008
烏山昌幸，SV回帰のハイパーパラメータ最適化法の改良，名古屋工業大学知能情報システム学科卒業論文，2006

履歴

学歴及び職歴

Back↑

平成１８年３月　名古屋工業大学　工学部　知能情報システム学科　卒業
平成２０年３月　名古屋工業大学　工学研究科　博士前期課程　情報工学専攻　修了
平成２３年３月　名古屋工業大学　工学研究科　博士後期課程　創成シミュレーション工学専攻　修了

平成２２年４月 - 平成２３年３月　日本学術振興会特別研究員DC2
平成２３年４月 - 平成２３年１２月　日本学術振興会特別研究員PD／東京工業大学特別研究員
平成２４年１月 - 平成２７年３月　京都大学化学研究所バイオインフォマティクスセンター　助教
平成２７年４月 - 平成２９年３月　名古屋工業大学情報工学教育類/大学院情報工学専攻　助教
平成２７年１２月 - ３１年３月　科学技術振興機構　さきがけ研究員（兼任）
平成２７年８月 - 令和２年３月　物質・材料研究機構　特別研究員（兼任）
平成２９年４月 - 現在　名古屋工業大学情報工学教育類/大学院情報工学専攻　准教授
令和４年８月 - 現在　東海国立大学機構　名古屋大学大学院工学研究科　客員准教授（兼任）

研究助成

Back↑

2023年 - ，科学研究費補助金，挑戦的研究（萌芽），研究分担者，「チタニアガラス薄膜中の⽋陥制御による機能性表⾯の創成と⾼光活性材料の開発」 (23K17817)
2023年 - ，新エネルギー・産業技術総合開発機構，サテライト代表，「次世代全固体蓄電池材料の評価・基盤技術開発」(JPNP23005)
2023年 - ，国立研究開発法人日本医療研究開発機構，医療機器等研究成果展開事業，研究分担者，「All Japan大規模レジストリデータを背景とした間質性肺炎の治療プログラム及びデバイスの開発」(22676252)
2022年4月 - ，科学研究費補助金，基盤研究 (A)，研究分担者，「潜在空間における複雑な結晶成長モデルの構築とプロセス設計」(22H00300)
2021年4月 - ，科学研究費補助金，基盤研究 (B)，研究代表者，「多様な探索問題のための情報論的ベイズ最適化の構築と材料科学データでの実践」(21H03498)
2020年4月 - , 京都大学共同利用・共同研究拠点，研究代表者，「統計的機械学習による効率的なグラフ構造データ解析法の開発」
2017年4月 - 2021年3月，科学研究費補助金，若手研究 (A)，研究代表者，「パターンマイニングと疎性モデリングに基づく大規模系列データからの知識創出」(17H04694)
2016年6月 - 2021年3月，新学術領域研究，研究分担者，「ナビゲーション研究のための統計的データ分析基盤整備とヒト移動データ分析」(16H06538)
2018年4月 - 2019年3月，京都大学共同利用・共同研究拠点，研究代表者，「多様な生物データとネットワークの統合的解析のための機械学習基盤技術開発」
2015年12月 - 2019年3月，戦略的創造研究推進事業（さきがけ），研究代表者，「機械学習に基づく効率的な界面物性探索法の開発」(JPMJPR15N2)
2014年4月 - 2017年3月，科学研究費補助金，若手研究 (B)，研究代表者，「グラフ構造データからの部分構造抽出法の開発」(26730120)
2014年4月 - 2017年3月，科学研究費補助金，基盤研究 (B)，研究分担者，「ビッグデータ解析における最適保証スクリーニングの理論と応用」(26280083)
2012年10月 - 2014年3月, 科学研究費補助金，研究活動スタート支援，研究代表者，「機械学習アルゴリズムのための最適グラフ構成法に関する研究」(24800036)
2010年4月 - 2011年12月, 科学研究費補助金，特別研究員奨励費，研究代表者，「カーネルマシンの多次元パス追跡とオンライン学習」(10J08773)

招待講演・セミナー講演

Back↑

第61回生物物理学会年会シンポジウム: AIと実験のコンチェルトで奏でる生命科学のパラダイムシフト，Data-Driven Prediction for Absorption Wavelengths of Microbial Rhodopsins by using Machine Learning Approaches, 2023年11月14日　
第48回ニューセラミックスセミナー, 機械学習に基づく粒界データ解析, 2023年2月28日.
第97回鋳造先端プロセス研究部会, 統計的機械学習によるデータ駆動型材料解析, 2022年1月19日.
Materials Research Meeting (MRM) 2021 symposium, STAM Methods: Leading-Edge Methods for New Materials, "Machine Learning Algorithms for Data-driven Materials Science", 15, Dec. 2021.
CMCリサーチウェビナー，マテリアルズ・インフォマティクスにおける機械学習技術の活用: 多様な探索問題のためのベイズ最適化法，2021年10月28日
技術情報協会，マテリアルズ・インフォマティクスにおける機械学習技術の活用: 多様な探索問題のためのベイズ最適化に関する最近の発展，2021年7月30日
第42回情報論的学習理論と機械学習研究会（IBISML），オーガナイズドセッション: データ取得の方法論，「情報理論的なベイズ最適化に関する最近の発展」，2021年3月4日
日本テクノセンター，統計的機械学習の基礎とマテリアルズ・インフォマティクスの実践的活用法，2020年10月15日
技術情報協会計測インフォマティクスのデータ解析とその事例, 統計的機械学習による材料データ解析, 2019年11月25日
ナゴヤイノベーターズガレージ, 第３回アカデミックナイト, 統計的機械学習による粒界構造解析:データ駆動型材料探索に向けて, 2019年10月24日
第２４回計算工学会オーガナイズドセッション, フェーズフィールド法の進展とデータ科学の活用, 「機械学習に基づく統計的粒界データ解析」, 2019年5月31日
2nd International Workshop on Phase Interfaces for Highly Efficient Energy Utilization -For dramatic advancement of energy utilization efficiency-, "Machine Learning based Efficient Exploration of Crystal Interface Structure", 26, Nov. 2018.
ものづくり企業に役立つ応用数理手法の研究会,「統計的機械学習による材料データ解析: データ駆動材料発見に向けて」，2018年10月29日
応用物理学会秋季学術講演会，「機械学習による粒界データ解析: データ駆動型材料探索に向けて」，2018年9月18日
新学術領域研究: 複合アニオン化合物の創製と新機能公開シンポジウム招待講演「統計的機械学習による粒界データ解析」，2018年8月27日
第14回 MaDIS研究交流会「転移学習とコスト考慮型戦略の融合による粒界安定構造探索の加速」，2017年12月11日
第２７回日本MRS年次大会シンポジウム「計算機シミュレーションによる先端材料の解析・機能創成」招待講演，「統計的機械学習に基づく粒界データ解析：データ駆動型材料探索に向けて」， 2017年12月5日
固体イオニクスセミナー，チュートリアル招待講演，「統計的機械学習による材料科学へのアプローチ　マテリアルズインフォマティクスの考え方と最近の話題」， 2016年9月27日
応用数理学会2016年会オーガナイズドセッション, マテリアルズインフォマティクスと応用数理, 「機械学習による粒界データ解析」, 2016年9月14日
応用数理学会2016年会オーガナイズドセッション, 機械学習, 「多様体学習に基づく特徴クラスタリング」， 2016年9月12日
東海地区生物統計ネットワークセミナー，「カーネル法に基づく遺伝子エッセンシャリティ予測」， 2015年5月27日
日本生体医工学会大会企画シンポジウム, 神経科学と信号処理の邂逅, 「機械学習によるグラフデータ解析」， 2015年5月9日
RECOMB/ISCB Conference on Regulatory and Genomics with DREAM Challenges and Cytoscape Wrokshops 2014，ドリームチャレンジ勝利チーム招待講演，Learning Kernel-based Feature Representation for Gene Essentiality Prediction， 2014年11月11日
第17回画像の認識・理解シンポジウム(MIRU2014)，招待講演， Manifold-based Similarity Adaptation for Label Propagation， 2014年7月29日
国立情報学研究所ビッグデータ数理国際研究センターグラフマイニング& WEB & AIグループ，グラフ上での因子分析， 2014年2月10日
Institut Curie (Centre de recherche Biologie du developpement), Latent Factor based Subnetwork Feature Selection, 2013年10月22日
NEC玉川事業場 (NEC R&D on Data Mining)，複数グラフのスパース結合によるグラフノードのラベル推定， 2013年4月8日
京都大学化学研究所バイオインフォマティクスセンター， Optimal solution path algorithm for machine learning: Analytical approach to solving support vector machines， 2011年9月26日
Microsoft Research Asia, Parametric optimization in machine learning: Improving computational efficiency of support vector machines, 2011年9月22日
NEC Laboratories America, Parametric optimization in machine learning: Improving computational efficiency of support vector machines, 2011年7月5日
中部大学， Parametric optimization in machine learning: 機械学習におけるパラメトリック最適化に関する研究， 2011年2月
東京工業大学, T-Primalセミナー, マルチパラメトリック計画法とその機械学習への応用 (slide), 2010年12月
名古屋大学, 名古屋統計セミナ，カーネルマシンの多次元パス追跡， 2009年8月

プレスリリース

Back↑

CyberAgent「AI Lab、機械学習分野のトップカンファレンス「ICML2023」にて共著論文採択」2023年6月2日 [CyberAgent Web]
CyberAgent「AI Lab Creative Researchチームの論文がNeurIPS2022のワークショップ「Gaussian Processes, Spatiotemporal Modeling, and Decision-making Systems」に採択されました」2022年10月26日 [CyberAgent Web]
名古屋工業大学「AI手法を導入した全固体リチウム二次電池の効率的な材料探索法を実証 - 材料研究・開発の期間短縮による産業競争力強化にも期待 -」2020年7月27日 [名古屋工業大学Web]
名古屋工業大学「互いに協調し進化する人工知能システムで多数の複雑な界面の安定構造を同時に超高速探索する新手法を開発」 2018年11月27日 [名古屋工業大学Web]
名古屋工業大学・理化学研究所「名古屋工業大学と理化学研究所が共同で光ではたらくロドプシンタンパク質の機能予測を行う人工知能システムを開発」2018年10月24日 [名古屋工業大学Web] [理化学研究所Web]

賞等

Back↑

Science and Technology of Advanced Materials: Methods Best Contribution Award 2021
Best Performer in the DREAM 9 Broad-DREAM Gene Essentiality Prediction Sub-Challenge 1, 2014
手島精一記念研究賞（博士論文賞）, 2012
名古屋工業大学学生研究奨励副学長賞, 2011
第13 回情報論的学習理論ワークショップ(IBIS 2010) Honorable Mention
第8 回情報学ワークショップ(WiNF 2009) 優秀賞
第12 回情報論的学習理論ワークショップ(IBIS 2009) Honorable Mention
IEEE Computational Intelligence Society Japan Chapter Young Researcher Award 2008

その他の学術活動

Back↑

学術雑誌編集委員

Science and Technology of Advanced Materials (STAM), Subject Editor, 2018-2022
Science and Technology of Advanced Materials: Methods (STAM-M), Associate Editor, 2021-

学会委員・プログラム委員・査読委員

Neural Information Processing Systems (NIPS)，査読委員: 2012-2023
International Conference on Machine Learning (ICML)，査読委員: 2014-2015, 2017-2023
ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD)，プログラム委員: 2020-2023
Asian Conference on Machine Learning (ACML)，プログラム委員: 2012-2015，査読委員: 2016-2023
International Conference on Artificial Intelligence and Statistics (AISTATS)，プログラム委員: 2014-2016，査読委員: 2017-2023
AAAI Conference on Artificial Intelligence，プログラム委員: 2017・2018・2021-2023
International Joint Conference of Artificial Intelligence (IJCAI)，プログラム委員: 2013・2015・2018-2019, 2020(シニアプログラム委員), 2021-23
International Conference on Learning Representations (ICLR)，査読委員: 2018-2023
International Workshop on Bioinformatics and Systems Biology (IBSB)，運営委員: 2013
情報論的学習理論ワークショップ (IBIS)，実行委員: 2014・2016，副実行委員長: 2019，プログラム委員長: 2023
応用数理学会機械学習研究部会，幹事団主査: 2016-2017，機械学習研究部会の紹介（2018/01/26）幹事: 2018-2019
日本バイオインフォマティクス学会年会，プログラム委員: 2015