計数工学科システム情報工学コースでは、研究室見学会を以下のように開催します。
進学選択学生向けの見学会、および2019年度学術フロンティア講義「サイバネティクス入門」の本郷キャンパス研究室見学会を兼ねています。
興味のある方は是非ご参加ください。
日時：2019年5月7日(火曜日) 17時40分～
集合場所：本郷キャンパス工学部6号館1階 大会議室
詳細はこちらをご覧ください。
月: 2019年4月
2019年度進学ガイダンス資料を公開しました
2019年4月19日に駒場キャンパスにおいて、計数工学科の進学ガイダンスを行いました。
そのときのスライドを以下のページで公開しますので、 学科を選ぶ際の参考にしてください。
2019年度S1S2「数理工学のすすめ」が本日開講
2019年度S1S2 学術フロンティア講義 「数理工学のすすめ」が本日(2019.4.11)開講します．
谷川眞一准教授が文部科学大臣表彰若手科学者賞を受賞
谷川眞一准教授が「組合せ剛性理論に関する研究」
文部科学大臣表彰若手科学者賞を受賞しました．
4研: 自律認識機械
◆実験内容：
画像認識や音声認識を利用して何か面白い機能をもったシステムを
◆助教から学生へのアドバイス：
生のデータにパターン認識を適用してみると、思いがけない困難に
1研: 暗号技術を用いたシステム設計
◆実験内容：
みんなでアイディアを出し合って、暗号技術等を駆使するようなシ
◆助教から学生へのアドバイス：
暗号技術など難しく考えずに、学生の自由な発想でアイディアを出
6研: バーチャルネットベンチャー
◆実験内容：
この実験ではどの様に機械学習を社会へ役立てれば良いかアイディ
◆助教から学生へのアドバイス：
現在社会の様々なところで機械学習が応用されてきています．
さくさくラズベリーパイを焼こう
◆実験内容
小型コンピュータRaspberry Piを活用したシステムを作ってもらいます．Raspberry Piを利用していることのみが条件で，あとは自由に作ってもらって構いません．過去には，Twitterのbotや，電子工作ガジェット，電光掲示板などがありました．2017年度以降の成果物は7研GitHubで公開されています．
◆助教から学生へのアドバイス
Raspberry Piから様々なセンサーを制御することで，現実世界と繋がったプログラミングの難しさ・楽しさを体験してください．また，GitHubを用いた現代的なソフトウェア開発も，ぜひ取得してほしいと思います．
豊泉 太郎
教員紹介
豊泉 太郎（とよいずみ たろう）
東京大学大学院 情報理工学系研究科
数理情報学専攻
連携教授
理化学研究所 脳神経科学研究センター チームリーダー
〒351-0198 埼玉県和光市広沢2-1
Tel: 048-467-9644
Fax: 048-467-9670
E-mail：taro.toyoizumi@riken.jp
[ホームページ]
略歴
| 2001年3月 | 東京工業大学 理学部 物理学科 卒業 |
|---|---|
| 2003年3月 | 東京大学大学院 新領域創成科学研究科 複雑理工学専攻 修士課程 修了 |
| 2006年3月 | 東京大学大学院 新領域創成科学研究科 複雑理工学専攻 博士課程 修了 |
| 2006年4月 | 日本学術振興会 ポスドク研究員（理化学研究所 脳科学総合研究センター，コロンビア大学 理論神経科学センター） |
| 2008年3月 | The Robert Leet and Clara Guthrie Patterson Trust ポスドク研究員（コロンビア大学 理論神経科学センター） |
| 2010年4月 | 理化学研究所 脳科学総合研究センター 基礎科学特別研究員 |
| 2011年4月 | 理化学研究所 脳科学総合研究センター チームリーダー |
| 2018年4月 | 理化学研究所 脳神経科学研究センター チームリーダー |
| 2019年4月 | 東京大学大学院 情報理工学系研究科 数理情報学専攻 連携教授 |
研究テーマ
計算神経科学，情報統計力学，神経学習理論．
数理モデルの解析を通して，脳の神経回路が環境に対して適応し，学習するメカニズムの研究をしている．統計力学や情報理論などで培われた解析技術をコンピュータシミュレーションと組み合わせることにより，神経回路網が適切に機能する為に必要な基本的原理の理解を目指している．特に，神経細胞がその活動に応じて自身の性質を変化させる現象（神経可塑性）は脳の学習，記憶，発達に大きな役割を果たしている．数理的なモデルを駆使して，細胞レベルから回路レベルの知見を包括する可塑性の理論の構築を目指している．更に，その結果形成される神経回路がどのような情報処理の性能を持つかを予測する．
主な論文・著書
-
Isomura T and Toyoizumi T.: “Error-Gated Hebbian Rule: A Local
Learning Rule for Principal and Independent Component Analysis”
Scientific Reports , 8, 1835 (2018), doi:10.1038/s41598-018-20082-0 -
Buckley C L and Toyoizumi T.: “A theory of how active behavior
stabilizes neural activity: neural gain modulation by closed-loop
environmental feedback”
PLOS Computational Biology , 14, e1005926 (2018), doi:
10.1371/journal.pcbi.1005926 -
Kuśmierz Ł and Toyoizumi T.: “Emergence of Lévy walks from
second-order stochastic optimization”
Physical Review Letters, 119, 250601 (2017), doi: 10.1103/PhysRevLett.119.250601 -
Tajima S, Mita T, Bakkum D, Takahashi H, and and Toyoizumi T.:
“Locally embedded presages of global network bursts”
Proc. Natl. Acad. Sci, 114, 9517-9522 (2017), doi: 10.1073/pnas.1705981114 -
Huang H and Toyoizumi T.: “Clustering of neural code words revealed by
a first-order phase transition”
Physical Review E, 93, 062416 (2016), doi: 10.1103/PhysRevE.93.062416 -
Shimazaki H, Sadeghi K, Ishikawa T, Ikegaya Y, and Toyoizumi T.:
“Simultaneous silence organizes structured higher-order interactions
in neural populations.”
Sci Rep, 5, 9821 (2015), doi: 10.1038/srep09821 -
Toyoizumi T, Kaneko M, Stryker MP, and Miller KD.: “Modeling the
dynamic interaction of Hebbian and homeostatic plasticity”
Neuron, 84(2), 497-510 (2014), doi: 10.1016/j.neuron.2014.09.036 -
Toyoizumi T, Miyamoto H, Yazaki-Sugiyama Y, Atapour N, Hensch TK, and
Miller KD.: “A theory of the transition to critical period plasticity:
inhibition selectively suppresses spontaneous activity” Neuron, 80(1),
51-63 (2013), doi: 10.1016/j.neuron.2013.07.022 -
Toyoizumi T and Abbott LF.: “Beyond the edge of chaos: Amplification
and temporal integration by recurrent networks in the chaotic regime”
Physical Review, E 84(5), 051908 (2011), doi: 10.1103/PhysRevE.84.051908 -
Toyoizumi T, Aihara K, and Amari S.: “Fisher information for
spike-based population decoding.”
Phys Rev Lett, 97(9), 98102 (2006), doi: 10.1103/PhysRevLett.97.098102 -
Toyoizumi T, Pfister JP, Aihara K, and Gerstner W.: “Generalized
Bienenstock-Cooper-Munro rule for spiking neurons that maximizes
information transmission.”
Proc Natl Acad Sci U S A, 102(14), 5239-44 (2005), doi: 10.1073/pnas.0500495102
脳数理情報学連携研究室
|
||||
|
|
|||
