数理6-久野

教員紹介

久野 遼平(ひさの りょうへい)
久野 遼平

東京大学大学院 情報理工学系研究科
数理・情報教育センター
講師

〒110-0008 東京都台東区池之端 2-5-37 工学部 12号館 2階 214B 号室
Tel: 内線
Fax:

E-mail:hisano@mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

2007年3月 慶應義塾大学 経済学部 卒業
2010年3月 一橋大学大学院 経済学研究科 修士課程修了
2013年8月 スイス連邦工科大学チューリッヒ校 博士課程修了
2013年9月 スイス連邦工科大学チューリッヒ校 博士研究員
2013年10月 国立情報学研究所 特任研究員
2014年4月 東京大学大学院 経済学研究科(日本学術振興会PD) 特任研究員
2015年12月 東京大学大学院 情報理工学系研究科 ソーシャルICT研究センター 特任助教
2020年4月 東京大学大学院 情報理工学系研究科 数理・情報教育研究センター 講師

研究テーマ

社会や経済に関する様々なビッグデータを活用することで実証分析だけでなく、経済特性(経験的規則性など)を考慮したモデルや複数ソースの情報活用に関する技術開発に取り組んでいる。実証分析に関しては金融市場のデータ、ブロックチェーン、ニューステキスト、企業の財務諸表、企業関係、製品の売上などファイナンスやマクロ経済学に関係するものを扱うことが多かったが、特に限定しているわけではない。後者の技術開発に関してはネッワーク(シンプル、テンポラル、異質情報)やテキストマイニングに根差した手法が多い。 こうした実証分析とモデル開発を通じてショックの伝播と緩和、産業連関、総量の変動、企業のマッチング、ネットワークの生成過程、バブル、暴落、財務状況、システミックリスク、貨幣の流通速度、ニュースイベント、情報の信頼性といった複雑な事象をモデル化し、学術的探究を行うだけでなくリスク管理やデータ駆動型の政策に役立てることを目指している。

主な論文・著書

Ryohei Hisano, Didier Sornette, Takayuki Mizuno , “Prediction of ESG compliance using a heterogeneous information network”, Journal of Big Data 7, 22, 2020.
Ryohei Hisano, “Learning Topic Models by Neighborhood Aggregation”, IJCAI 2019, Macao, China, Aug 10 -16, 2019.
Ryohei Hisano, “Semi-supervised Graph Embedding Approach to Dynamic Link Prediction”, Complenet 2018, Northeastern University, Boston, Match 4-8, 2018. In: Sean Cornelius, Kate Coronges, Bruno Gonçalves, Roberta Sinatra, Alessandro Vespignani (Eds.), Complex Networks IX. Springer Proceedings in Complexity, page 109-121, 2018.
Ryohei Hisano, Tsutomu Watanabe, Takayuki Mizuno, Takaaki Ohnishi, Didier Sornette, “The gradual evolution of buyer-seller networks and their role in aggregate fluctuations”, Applied Network Science, Vol 2, 9, 2017.
Ryohei Hisano, “A new approach to building the interindustry input-output table using block estimation techniques”, 2016 IEEE International Conference on Big Data (Big Data), Workshop Application of Big Data for Computational Social Science, 5-8 Dec. 2016.

 

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アを出してバーチャルな起業体験をしてもらいます.具体的にはインターネット上で公開されたオープンデータへ機械学習を適用したビジネスモデルの提案,そしてWebアプリ等としてシステムの実装までを行ってもらいます.最終報告会では投資家向けのプレゼンを意識して発表と質疑に挑んで下さい.
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.しかし機械学習を実社会の問題へ適用するには学術研究とは異なる困難が待ち受けています.機械学習に興味のある学生にとって,バーチャル起業体験でこの困難を肌で感じてもらうことは良い経験になると期待しています.

計算機ホログラフィー

◆実験内容:
 光学系によってFourier変換が実現されることを理解することが目的です.実験は,2次元図形を数値的にFourier変換した像を作成し,光学系を通すことで,逆Fourier変換を実現し,最初に意図した図形が再現されることを確認するものです.フィルムや写真の現像など,普通なかなか経験できないような作業を行なえます.
◆助手から学生へのアドバイス:
 Fourier変換という数学的な操作を,現象として目で見ることができる実験です.実験の作業そのものは,それほど難しいものではなく,それなりに面白いのですが,実験の理論的背景をよく理解された上で行なえば,より興味深い実験になると思います.
◆学生からのコメント:
 光学系によりFourier変換が実現することを理解できてたいへん良かった. Fourier変換により予想以上にはっきりと像の再現ができて驚いた.写真の現像が体験できて面白かった.図形のFourier変換をするプログラムの作成にはてこずった.

数理6-大西

教員紹介

大西 立顕(おおにし たかあき)
大西 立顕

東京大学大学院 情報理工学系研究科
ソーシャルICT研究センター
准教授

〒113-8656 東京都文京区本郷 7-3-1 工学部 2 号館 92D3 号室
Tel: 03-5841-8980 内線28980
Fax:

E-mail:ohnishi.takaaki@i.u-tokyo.ac.jp

[ホームページ]

略歴

1999年3月 筑波大学 第一学群 自然学類(物理学主専攻) 卒業
2001年3月 東京大学大学院 工学系研究科 計数工学専攻 修士課程 修了
2004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
2004年4月 東京大学大学院 法学政治学研究科 総合法政専攻 助手
2007年4月 東京大学大学院 法学政治学研究科 総合法政専攻 助教
2009年6月 一般財団法人 キヤノングローバル戦略研究所 研究員
2012年1月 一般財団法人 キヤノングローバル戦略研究所 主任研究員
2013年10月 東京大学大学院 情報理工学系研究科 ソーシャルICT研究センター 准教授
2013年11月 東京大学大学院 情報理工学系研究科 数理情報学専攻 准教授 (兼担)

研究テーマ

我々が日々行っている社会・経済活動に関する多様で詳細な情報が高頻度に記録されるようになってきている.統計科学,経済物理学,社会物理学,複雑ネットワーク科学,複雑系科学,超並列計算などを活用して

1. 時系列データ:金融市場のティックデータ,ニュース時系列,人の行動
2. 時空間データ:不動産市場,商業統計メッシュデータ,人口メッシュデータ,建物の空間分布,都市の発展
3. ネットワークデータ:企業間ネットワーク,振込ネットワーク,貿易ネットワーク,金融市場間の相関構造
4. テキストデータ:新聞,古文書,ウェブ,政治

などのビッグデータを実証科学の視点から研究している.バブル,暴騰・暴落,恐慌,集団行動,流行,集積効果,生産性,ショックの伝播,連鎖倒産・破綻,金融危機,市場間の連鎖,栄枯盛衰といった動的で複雑な社会・経済現象を実データに基づいて分析し,モデル化を行い,予測や制御に役立てることを目指している.

主な論文・著書

Takaaki Ohnishi, Takayuki Mizuno, Chihiro Shimizu, and Tsutomu Watanabe: “Power Laws in Real Estate Prices during Bubble Periods,” International Journal of Modern Physics: Conference Series, vol.16, pp.61-81, 2012.
Takaaki Ohnishi, Hideki Takayasu, Takatoshi Ito, Yuko Hashimoto, Tsutomu Watanabe, and Misako Takayasu: “On the Nonstationarity of the Exchange Rate Process,” International Review of Financial Analysis, vol.23, pp.30-34, 2012.
Takaaki Ohnishi, Hideki Takayasu, and Misako Takayasu: “Network Motifs in Inter-firm Network,” Journal of Economic Interaction and Coordination, vol.5, no.2, pp.171-180, 2010.
Takaaki Ohnishi, Hideki Takayasu, and Misako Takayasu: “Hubs and Authorities on Japanese inter-firm network: Characterization of nodes in very large directed networks,” Progress of Theoretical Physics Supplement, vol.179, pp.157-166, 2009.

数理6-鈴木

教員紹介

鈴木 大慈(すずき たいじ)
鈴木 大慈

東京大学大学院 情報理工学系研究科
数理情報学専攻
准教授

〒113-8656 東京都文京区本郷 7-3-1 工学部 6 号館 352 号室
Tel: 03-5841-6921 内線26921
Fax:

E-mail:taiji@mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

2004年3月 東京大学 工学部計数工学科 卒業
2006年3月 東京大学 大学院情報理工学系研究科 数理情報学専攻 修士課程修了
2009年3月 東京大学 大学院情報理工学系研究科 数理情報学専攻 博士課程修了
2009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 助教
2013年7月 東京工業大学 大学院情報理工学研究科 数理・計算科学専攻 准教授
2016年4月 東京工業大学 情報理工学院 数理・計算科学系 准教授
2017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 准教授

研究テーマ

知的な情報処理をいかにして計算機に実行させるかという問題に興味がある.

具体的には機械学習,統計的学習理論,数理統計学,データ解析についてその理論から応用を研究している.これらの研究分野はデータ科学とも呼ばれており,限られた観測データからいかにして有用な情報を取り出し予測や推論に活かすかという方法論を研究する分野である.
1.機械学習の数理:カーネル法や深層学習など機械学習には様々な手法が存在するがそれらの汎化誤差(予測誤差)を理論的に解析することで高い汎化性能を実現させる機構を探求している.
2.高次元統計学:高次元データに埋もれた重要な情報を抜き出す方法論とその理論を研究している.
3.機械学習の高速計算手法:確率的最適化などを用いて大量データ上で効率的に学習を実行する計算方法を開発している.

主な論文・著書

Suzuki, T., Kanagawa, H., Kobayashi, H., Shimizu, N., and Tagami, Y.:”Minimax Optimal Alternating Minimization for Kernel NonparametricTensor Learning,”The 30th Annual Conference on Neural Information Processing Systems(NIPS2016), pp. 3783-3791, (2016).
Kanagawa, H., Suzuki, T., Kobayashi, H., Shimizu, N., and Tagami, Y.:”Gaussian process nonparametric tensor estimator and its minimax optimality,”The 33rd International Conference on Machine Learning (ICML2016), pp.1632-1641, (2016).
Suzuki, T.:”Convergence rate of Bayesian tensor estimator and its minimax optimality,”The 32nd International Conference on Machine Learning (ICML2015), pp.1273-1282, (2015).
Suzuki, T.:”Dual Averaging and Proximal Gradient Descent for Online AlternatingDirection Multiplier Method,”International Conference on Machine Learning (ICML2013), pp. 392-400, (2013).
Suzuki, T., and Sugiyama, M.:”Fast learning rate of multiple kernel learning: trade-off betweensparsity and smoothness,”The Annals of Statistics, vol. 41, number 3, pp. 1381-1405, (2013).
鈴木大慈:『確率的最適化(機械学習プロフェッショナルシリーズ)』.講談社,2015年8月8日.

数理6-山西

教員紹介

山西 健司(やまにし けんじ)
山西 健司

東京大学大学院 情報理工学系研究科
数理情報学専攻
教授

〒113-8656 東京都文京区本郷 7-3-1 6号館 345号室
Tel: 03-5841-6895 内線 26895
Fax: 03-5841-8599

E-mail:yamanishi@mist.i.u-tokyo.ac.jp

[ホームページ]

略歴

1987年3月 東京大学工学系大学院計数工学専門課程修了
1987年4月~2008年12月 NEC中央研究所勤務
1992年7月~1995年8月 NEC Research Institute, Inc.. Visiting Scientist
2002年7月~2008年12月 NEC 中央研究所 主席研究員
2005年11月~2008年3月 NECデータマイニング技術センター長
2009年1月~ 東京大学大学院情報理工学系研究科 教授

研究テーマ

1. 情報論的学習理論(情報理論に基づく機械学習理論、モデル選択)
2. データマイニング基礎(異常検知、変化検知、潜在的ダイナミクス)
3. データマイニング応用(セキュリティ、マーケティング、ヘルスケア、交通)

主な論文・著書

・K.Yamanishi: “A Learning Criterion for Stochastic Rules,” Machine Learning, vol.9, pp.165-203, 1992.
・K.Yamanishi: “A Decision-theoretic Extension of Stochastic Complexity and Its Applications to Learning,” IEEE Transactions on Information Theory, vol.44, 4, pp.1424-1439, 1998.
・K.Yamanishi: “Distributed Cooperative Bayesian Learning Strategies,” Information and Computation, vol.150, p.22-56, 1998.
・K.Yamanishi and H.Li: “Mining Open Answers in Quessionare Data,” IEEE Intelligent Systems. pp.58-63、September/October, 2002.
・K.Yamanishi, J.Takeuchi, G.Williamas, and P.Milne: “On-line Unsupervised Outlier Detection Using Finite Mixtures with Discounting Learning Algorithms,” Data Mining and Knowledge Discovery Journal, pp.275-300, May 2004, vol.8, issue 3.
・J.Takeuchi and K.Yamanishi: “A Unifying Framework for Detecting Outliers and Change-points from Time Series,” IEEE Transactions on Knowledge and Data Engineering, vol.18, no.44, pp.482-492, 2006.
・K.Yamanishi and Y.Maruyama: “Dynamic Model Selection with Its Applications to Novelty Detection,” IEEE Transactions on Information Theory, pp.2180-2189, vol.53, no.6, June, 2007.
・T.Wu, S.Sugawara, and K.Yamanishi: “Decomposed Normalized Maximum Likelihood Codelength Criterion for Selecting Hierarchical Latent Variable Models,” ACM SIGKDD International Conference on Knowledge Discovery and Data Mining(KDD 2017), pp:1165-1174, 2017.
・金明哲, 村上征勝, 永田昌明, 大津起夫, 山西健司: 「言語と心理の統計学」岩波書店, 第4部 2003.
・K.Yamanishi: “Extended Stochastic Complexity and Its Applications to Learning” In Advances in Minimum Description Length: Theory and Applications (edited by Peter D. Grunwald, in Jae Myung, Mark A. Pitt): The MIT Press (2005).
・山西健司: 「データマイニングによる異常検知」共立出版 (2009年).
・山西健司: 「情報論的学習理論」共立出版 (2010年).
・山西健司: 「情報論的学習とデータマイニング」朝倉書店 (2015年).

数理情報第6研究室

学習数理情報学研究室(数理情報第6研究室)
– 機械知能の本質を数理で捉える –
研究室のHomePage→
山西 健司
山西 健司

教授
鈴木 大慈
鈴木 大慈

准教授
久野 遼平
久野 遼平

講師
情報論的学習理論/統計的学習理論
「機械はどこまで学習できるか?」この問いに対して情報理論・統計学からアプローチしている。情報論的学習理論では、記述長最小原理に基づいて、モデル選択、表現学習、変化検知、高次元スパース学習など幅広い学習問題に有効な機械学習及びデータマイニングアルゴリズムを統一的に導き出している。 統計的学習理論では、深層学習やカーネル法など幅広い機械学習手法に対し、統計理論を用いた理論解析および新しい手法の開発を行っている。また、それら機械学習手法を大規模データ上で高速に動かすための最適化手法の研究を、学習理論と整合する形で行っている。

データサイエンス基礎
大量データからの知識発見技術(異常検知、ネットワークマイニング、など)を研究している。特に、データに潜む隠れた構造を発見し、将来の変化の予兆を検知する「予兆情報学」の確立をめざしている。

データサイエンス応用
現実の複雑なデータを対象に、医療データ解析、マーケティング、SNS解析、障害解析、地理空間データ解析、金融データ解析などに機械学習手法・データマイニング手法を適用し、実世界で効果を生み出すためのデータサイエンスの方法論を研究している。