教員紹介

久野　遼平（ひさの　りょうへい）

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

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.

教員紹介

大西　立顕（おおにし　たかあき）

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

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.

教員紹介

鈴木　大慈（すずき　たいじ）

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

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．

教員紹介

山西 健司（やまにし けんじ）

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

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).