研究内容 メンバー 出版物 ソフトウェア リンク
  居室は,桐生キャンパス6号館503室です.      
 
 

異質なデータを統合する方法として,それぞれのデータをカーネル行列に変換してから平均をとるアプローチがあります.もう一つの方法は,すべてネットワークに変換して重ね合わせるアプローチである.ゲノムデータのように大量のデータを表現するにはネットワークのほうがデータストレージの点で有利です.データ数がNのとき,カーネル行列ではNの二乗のメモリが必要です.ところが,ネットワークの場合,多くのデータはスケールフリー性を有するため,Nの二乗よりずっと小さいデータストレージで済む.複数の異質ネットワークを効果的に組み合わせる方法として,ネットワークに重みをつけて,重みを自動的に求める算法がすでに存在しています.しかし,この方法は不必要なネットワークほど大きな重みをつけてしまう算法になっていました.これに対して,Student-t分布というロバスト統計でよく用いられるツールを使って,重要なネットワークほど大きな重みをつけるMAP推定アルゴリズムを開発しました.これをタンパク質機能予測のタスクに適用した結果,従来法を圧倒的に上回る性能を示すことを確認しました.

 
     
  文献  
  [9] Tsuyoshi Kato, Hisashi Kashima, and Masashi Sugiyama:
Integration of multiple networks for label propagation,
2008 SIAM International Conference on Data Mining (SDM08)[pdf][ppt].
 
  [10] Tsuyoshi Kato, Hisashi Kashima, and Masashi Sugiyama:
Robust Label Propagation on Multiple Networks,
IEEE Transactions on Neural Networks, Vol.20, No.1, pp.35--44, 2008. [pdf]
 
 
English
 
学生の活躍
 
共分散記述子
マハラノビス符号化
顕微鏡画像解析
平均多項式カーネル
打ち切りデータのベイズ推定
計量学習
ファジー部分空間クラスタリング
リガンド予測
酵素活性部位探索
伝達学習によるリンク予測
多タスク学習
ラベル伝播法
マイクロアレイ用カーネル
薬剤耐性予測
ネットワーク推定
カーネル推定
変分剛体変換
その他