SEARCH
検索詳細
井上 広明大学院工学研究科 電気電子工学専攻助教
研究活動情報
■ 受賞- 2022年06月 一般社団法人日本応用数理学会, 2021年度若手優秀講演賞, データ駆動型アプローチによる神経ネットワークのダイナミクス推定
- 2017年03月 Excellent Oral Presentation Award, 1st International Conference on Intelligent Systems, Metaheuristics & Swarm Intelligence
- Extracting latent nonlinear dynamics from observed time-series data is important for understanding a dynamic system against the background of the observed data. A state space model is a probabilistic graphical model for time-series data, which describes the probabilistic dependence between latent variables at subsequent times and between latent variables and observations. Since, in many situations, the values of the parameters in the state space model are unknown, estimating the parameters from observations is an important task. The particle marginal Metropolis–Hastings (PMMH) method is a method for estimating the marginal posterior distribution of parameters obtained by marginalization over the distribution of latent variables in the state space model. Although, in principle, we can estimate the marginal posterior distribution of parameters by iterating this method infinitely, the estimated result depends on the initial values for a finite number of times in practice. In this paper, we propose a replica exchange particle marginal Metropolis–Hastings (REPMMH) method as a method to improve this problem by combining the PMMH method with the replica exchange method. By using the proposed method, we simultaneously realize a global search at a high temperature and a local fine search at a low temperature. We evaluate the proposed method using simulated data obtained from the Izhikevich neuron model and Lévy-driven stochastic volatility model, and we show that the proposed REPMMH method improves the problem of the initial value dependence in the PMMH method, and realizes efficient sampling of parameters in the state space models compared with existing methods.MDPI AG, 2022年01月, Entropy, 24(1) (1), 115:1 - 20, 英語[査読有り]研究論文（学術雑誌）
- 2022年01月, Proceedings of the 27th International Symposium on Artificial Life and Robotics, 英語Data-Driven Method for Estimating Neuronal Nonlinear Dynamics from Noisy Partial Observation[査読有り]
- Physical Society of Japan, 2021年10月, Journal of the Physical Society of Japan, 90(10) (10), 104801:1 - 9, 英語[査読有り]研究論文（学術雑誌）
- Physical Society of Japan, 2020年10月, Journal of the Physical Society of Japan, 89(10) (10), 104801:1 - 7, 英語[査読有り]研究論文（学術雑誌）
- ACM Press, 2017年03月, ACM International Conference Proceeding Series, 英語[査読有り]研究論文（国際会議プロシーディングス）
- 2015年11月, Proceedings of 16th International Symposium on Advanced Intelligent Systems, 英語Statistical Estimation of Neural System Using Calcium Imaging[査読有り]
- 第69回 システム制御情報学会 研究発表講演会, 2025年05月スマートグラス・センサーデータへの敵対的攻撃⼿法
- 第69回 システム制御情報学会 研究発表講演会, 2025年05月組織間連合学習における貢献度に基づいた適正なインセンティブ配分
- 電子情報通信学会 情報通信システムセキュリティ研究会(ICSS研) 第70回合同研究会不正検知回避のための金融取引データ生成モデル
- 2025年 暗号と情報セキュリティシンポジウム（SCIS2025）, 2025年01月プライバシー保護連合学習のための継続学習モデルの提案
- 第68回 システム制御情報学会 研究発表講演会, 2024年05月循環の制約を用いた深層学習による時系列因果探索
- 第68回 システム制御情報学会 研究発表講演会, 2024年05月GANを用いた不完全データに対する因果探索
- 第68回 システム制御情報学会 研究発表講演会, 2024年05月敵対的生成ネットワークを用いた水平型連合学習における欠損データ補完
- 第68回 システム制御情報学会 研究発表講演会, 2024年05月連合学習型勾配ブースティング決定木モデルに対する敵対的サンプル攻撃
- 28th International Conference on Statistical Physics, 2023年08月Data-driven method for estimating nonlinear dynamics by replica exchange particle Markov chain Monte Carlo method
- 34th IUPAP Conference on Computational Physics, 2023年08月Data-driven Estimation of Nonlinear Dynamical Systems by Replica Exchange Particle Markov Chain Monte Carlo Method
- 第30回インテリジェント・システム・シンポジウム, 2022年09月動的サンプリングを用いた連合学習型勾配ブースティング決定木の継続学習
- 第21回情報科学技術フォーラム, 2022年09月温度の効果を用いた自己組織化状態空間モデルによる潜在変数とパラメータの推定
- 日本応用数理学会 2022年度年会, 2022年09月温度の効果を導入した自己組織化状態空間モデルによる神経ダイナミクスの推定
- 次世代光散乱イメージング科学研究センターキックオフシンポジウム, 2022年06月ベイズ推論に基づく神経ネットワークのシステム同定
- 第66回システム制御情報学会研究発表講演会（SCI'22）, 2022年05月レプリカ交換粒子マルコフ連鎖モンテカルロ法を用いた神経システムのダイナミクス推定
- First Symposium on Data-driven Modeling in Complex Systems, 2022年03月Extracting Nonlinear Dynamical Systems Using Replica Exchange Particle Markov Chain Monte Carlo Methods
- The 10th RIEC International Symposium on Brain Functions and Brain Computer, 2022年02月, 英語Extracting nonlinear latent dynamics of neurons using replica exchange particle Markov chain Monte Carlo method
- The 27th International Symposium on Artificial Life and Robotics, 2022年01月, 英語Data-Driven Method for Estimating Neuronal Nonlinear Dynamics from Noisy Partial Observation
- DuEX若手研究者交流会, 2022年01月, 日本語粒子マルコフ連鎖モンテカルロ法による時系列データの潜在ダイナミクス推定
- 日本応用数理学会 2021年度年会, 2021年09月, 日本語データ駆動型アプローチによる神経ネットワークのダイナミクス推定
- The 9th RIEC International Symposiumon Brain Functions and Brain Computer, 2020年12月, 英語Estimation of neural dynamics with particle Markov chain Monte Carlo
- 第4回 極みプロジェクトシンポジウム, 2020年09月, 日本語データ駆動型アプローチに基づく神経活動の解析
- 第2 回極みプロジェクトシンポジウム／第6 回イメージング数理研究会, 2019年09月, 日本語粒子マルコフ連鎖モンテカルロ法を用いた神経ネットワークの構造推定
- 第5回イメージング数理研究会, 2018年, 日本語データ駆動型アプローチに基づく神経システムの数理モデル推定
- International Conference on Intelligent Systems, Metaheuristics & Swarm Intelligence, 2017年03月, 英語Bayesian Estimation of Neural Systems using Particle-Gibbs
- 定量生物学の会第八回年会, 2017年01月, 日本語Particle-MCMC による神経ネットワークの推定
- 第60回システム制御情報学会研究発表講演会 (SCI'16), 2016年05月, 日本語Particle MCMCを用いた神経システムの推定
- Cyber-Physical System for Smarter World (CPS-SW 2016), 2016年03月, 英語Bayesian Probabilistic Approach for Estimating Neural System Based on Calcium Imaging
- 第59回システム制御情報学会研究発表講演会 (SCI'15), 2015年05月, 日本語カルシウムイメージングによる神経システムの統計的推定
■ 共同研究・競争的資金等の研究課題