2019-08-08

Introduction

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データの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

Affiliation

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

国立研究開発法人物質・材料研究機構
統合型材料開発・情報基盤部門
情報統合型物質・材料研究拠点
招聘研究員

karasuyama[at mark]nitech.ac.jp

Publication

Journal Papers

  • 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), 2, 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.

Refereed International Conference Papers

  • 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.
  • 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


国内研究会

  • 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
  • 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

  • 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

Academic dissertations

  • 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

研究助成

  • 2017年4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」
  • 2016年6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」
  • 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」
  • 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 」
  • 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 」
  • 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 」
  • 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 」

招待講演

  • 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

  • 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

  • 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

履歴

学歴

  • 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

職歴

  • 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 - 現在 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

その他の学術活動

Journal編集委員

  • Science and Technology of Advanced Materials (STAM), Subject Editor, 2018-

学会委員・プログラム委員・査読委員

  • Neural Information Processing Systems (NIPS),査読委員,2012-2019
  • Asian Conference on Machine Learning (ACML),プログラム委員,2012-2015,査読委員,2016-2019
  • International Conference on Artificial Intelligence and Statistics (AISTATS),プログラム委員,2014-2016,査読委員,2017-2019
  • International Joint Conference of Artificial Intelligence (IJCAI),プログラム委員,2013・2015・2018
  • 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
  • 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