メニュー:[ トップ, 英語発表論文, 日本語発表論文, ソフトウェア, 講演, 講義, 履歴書, 東大の研究室, 理研の研究室 ]
[ English | Japanese ]

杉山将の講演リスト

  1. 2017年5月11日
    Gatsby-Kaken Joint Workshop on AI and Neuroscience, London, UK.
    Classification from weak supervision.

  2. 2017年4月27日
    慶應義塾大学大学院特別講義, 神奈川.
    人工知能研究の現状と理研AIPセンターの取り組み.

  3. 2017年4月25日
    早稲田大学第2回WIRPワークショップ, 東京.
    人工知能研究の現状と理研AIPセンターの紹介.

  4. 2017年4月25日
    Roundtable Discussion on AI at the Embassy of Sweden, Tokyo, Japan.
    RIKEN Center for Advanced Intelligence Project (AIP).

  5. 2017年4月18日
    公明党 新産業委員会, 東京.
    人工知能研究の現状と理研AIPセンターの取り組み.

  6. 2017年4月6日
    灘高等学校東京合宿, 東京.
    人工知能研究の現状と今後の展望.

  7. 2017年3月31日
    Japan-UK Workshop, Tokyo, Japan.
    RIKEN Center for Advanced Intelligence Project.

  8. 2017年3月30日
    RIKEN Center for AIP, Generic Technology Research Group Meeting, Tokyo, Japan.
    RIKEN Center for Advanced Intelligence Project.

  9. 2017年3月28日
    医療ビッグデータ・コンソーシアム, 東京.
    人工知能研究の現状と理研AIPセンターの取り組み.

  10. 2017年3月24日
    理化学研究所・革新知能統合研究センター発足記念シンポジウム, 東京.
    理研AIPセンターの活動方針と汎用基盤技術研究グループの取り組み.

  11. 2017年3月16日
    第79回情報処理学会全国大会, 名古屋.
    理化学研究所革新知能統合研究センターの紹介.

  12. 2017年3月14日
    総務省シンポジウム, 東京.
    理化学研究所革新知能統合研究センターにおけるAIネットワーク化に関連する取組の紹介.

  13. 2017年3月10日
    東大先端研, 東京.
    理化学研究所革新知能統合研究センターの紹介.

  14. 2017年3月9日
    日経新聞AIシンポジウム, 東京.
    人工知能研究の現状と今後の展望.

  15. 2017年3月8日
    内閣府「次世代インフラ戦略協議会」, 東京.
    理研AIPセンターにおける次世代インフラ分野関連の人工知能技術の取組.
    人工知能研究の最近の動向と今後の展望.

  16. 2017年3月3日
    第17回IPABシンポジウム, 東京.
    AI研究の最新動向と理研AIPセンターの活動.

  17. 2017年2月20日
    厚生労働省「保健医療分野におけるAI活用推進懇談会」, 東京.
    人工知能分野の現状と理研AIPセンターの取組.

  18. 2017年2月17日
    半導体エネルギー研究所, 神奈川.
    人工知能研究の最近の動向と今後の展望.

  19. 2017年2月16日
    理研AICS-AIPワークショップ, 東京.
    革新知能統合研究(AIP)センターの紹介.

  20. 2017年2月14日
    NTT経営企画部門研究会, 東京.
    AIに関わる研究開発・産業応用の展望と理研AIPセンターの取組.

  21. 2017年2月1日
    日経産業ハイブリッドフォーラム, 東京.
    人工知能研究の最近の動向と今後の展望.

  22. 2017年1月30日
    経団連未来・産業技術委員会, 東京.
    理化学研究所革新知能統合研究センターの取組について.

  23. 2017年1月23日
    文部科学省脳科学委員会:国際連携を見据えた戦略的脳科学研究推進に関する作業部会, 東京.
    理化学研究所革新知能統合研究センターの紹介.

  24. 2017年1月20日
    理化学研究所光量子工学研究領域第39回RAPセミナー,埼玉.
    限られた情報からの機械学習.

  25. 2017年1月19日
    理研研究政策リトリート2017,東京.
    Center for Advanced Intelligence Project (AIP).

  26. 2017年1月18日
    日本経済研究センター, 東京.
    日本のAI研究最前線と世界戦略:理研中核研究拠点の新たな取り組み.

  27. 2017年1月13日
    東芝 研究開発センター インタラクティブメディアラボラトリー, 川崎.
    半教師付き学習の新展開:ラベルなしデータからラベル情報を得る.

  28. 2016年12月23日
    情報系WINTER FESTA EPISODE2, 東京.
    理研AIPセンターの紹介.

  29. 2016年12月15日
    第30回新世紀政経フォーラム, 東京.
    人工知能研究の最近の動向と今後の展望.

  30. 2016年12月14日
    G1テクノロジー研究所アドバイザリー・ボードミーティング
    理化学研究所革新知能統合研究センターの紹介.

  31. 2016年12月1日
    デジタルストラテジーセミナー, 東京.
    人工知能研究の最近の動向と今後の展望.

  32. 2016年11月29日
    日本学術会議情報学委員会・環境知能分科会公開シンポジウム:環境知能の時間軸, 東京.
    「人工知能とIoT」の国家プロジェクトの在り方.

  33. 2016年11月10日
    自民党人工知能未来社会経済戦略本部, 東京.
    日本の人工知能研究の国際プレゼンスを高めるための戦略.

  34. 2016年11月7日
    筑波大学シンポジウム:人を支援するAI×ビッグデータで実現する「Society 5.0」, 東京.
    機械学習の課題.

  35. 2016年11月4日
    Microsoft Research Asia Faculty Summit, Seoul, Korea.
    Recent advances in policy search approaches to reinforcement learning.

  36. 2016年10月25日
    RIKEN Interdisciplinary Theoretical Science Seminar, Saitama.
    Machine learning from weak supervision.

  37. 2016年10月19日
    MATLAB EXPO 2016, 東京.
    人工知能研究の現状と今後の展望.

  38. 2016年10月14日
    データサイエンティスト協会3rdシンポジウム, 東京.
    限られた情報から精度良く:機械学習技術の最近の発展.

  39. 2016年10月12日
    東京大学社会連携研究部門開設シンポジウム, 東京.
    機械学習の課題.

  40. 2016年10月3日
    STS Forum, Kyoto.
    AI research in Japan.

  41. 2016年9月22日
    AIPキックオフミーティング, 東京.
    革新知能統合研究センターの準備状況.

  42. 2016年9月16日
    RIKEN Brain Science Institute Retreat 2016, Tokyo.
    Introduction to Center for Advanced Integrated Intelligence Research.

  43. 2016年9月11日
    科学技術と経済の会第85回本会議, 長野.
    人工知能研究の最近の動向と今後の展望.

  44. 2016年9月9日
    同友クラブ第5回理事会, 東京.
    人工知能研究の最近の動向と今後の展望.

  45. 2016年9月1日
    山口俊一議員サイエンスフォーラム, 東京.
    革新的な人工知能の実現に向けて.

  46. 2016年8月31日
    ZMPフォーラム, 東京.
    人工知能研究の現状とこれから取り組むべきこと.

  47. 2016年8月26日
    Asia-Pacific Enonophysics Conference 2016: Big Data Analysis and Modeling toward Super Smart Society (APEC-SSS2016), Tokyo, Japan.
    Machine learning from weak supervision.

  48. 2016年8月11日
    新学術領域研究「人工知能と脳科学」+ポスト京「脳と人工知能」合同ワークショップ, 神奈川.
    これから取り組むべき人工知能の研究課題.

  49. 2016年7月22日
    国際高等研究所エジソンの会, 京都.
    人工知能研究の現状とこれから取り組むべきこと.

  50. 2016年7月7日
    立石財団研究室訪問, 東京.
    密度比推定,
    線形次元削減の研究.

  51. 2016年6月14日
    次世代産業ナビゲーターズフォーラム2016, 東京.
    人工知能研究の最近の動向と今後の展望.

  52. 2016年6月10日
    日本学術振興会産学協力委員会第181委員会, 東京.
    限られた情報から精度良く:機械学習基礎研究の最近の発展.

  53. 2016年6月7日
    第30回人工知能学会全国大会, 北九州.
    理化学研究所における人工知能研究拠点の設立.

  54. 2016年6月2日
    First Korea-Japan Machine Learning Symposium, Seoul, Korea.
    Machine learning from weak supervision.

  55. 2016年5月5日
    北海道大学湊真一先生科研費ミーティング, 東京.
    理研におけるAIPプロジェクトの実施について.

  56. 2016年4月25日
    第1回次世代の人工知能技術に関する合同シンポジウム, 東京.
    理化学研究所の革新知能統合研究プロジェクトについて.

  57. 2016年4月14日
    自民党人工知能未来社会経済戦略本部, 東京.
    理研AIPプロジェクトについて.

  58. 2016年4月8日
    Lecture at Kyushu Institute of Technology, Kitakyushu, Japan.
    Introduction to machine learning.

  59. 2016年2月22日
    日本マイクロソフト株式会社 人工知能・機械学習の研究開発の最前線に関するラウンドテーブル, 東京.
    記事, 記事, 記事

  60. 2016年1月8日
    東芝 研究開発センター インタラクティブメディアラボラトリー, 川崎.
    弱教師付き学習の新展開:少ない情報から精度良く.

  61. 2015年11月24日
    日本学術会議 数理科学委員会数理統計学分科会シンポジウム「by機械学習,of機械学習」, 東京.
    弱教師付き学習の新展開:少ない情報から精度良く.

  62. 2015年11月6日
    Frontiers in Data-Driven Science and Technology Workshop, Nagoya, Japan.
    Recent advances in learning from small data.

  63. 2015年10月28日
    German-Japanese Workshop on Adaptive BCIs, Kyoto, Japan.
    Machine learning techniques for covariance matrices.

  64. 2015年9月24日
    豊田工業大学ジョイントCSセミナー2015, 名古屋.
    少ないデータから精度良く:機械学習研究の最前線.

  65. 2015年8月6日
    東京大学理学部オープンキャンパス2015, 東京.
    学習するコンピュータ.

  66. 2015年8月3日
    ERATO河原林感謝祭2015, 東京.
    正例とラベルなしデータからの分類.

  67. 2015年7月15日
    東京大学 R2P Global Design Lecture, 東京.
    機械学習による変化検知.

  68. 2015年5月21日
    Keynote talk at 19th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD2015), Ho Chi Minh City, Viet Nam.
    Direct change detection without identification.

  69. 2015年4月20日
    トリケップス, 東京
    機械学習の基礎と応用.

  70. 2015年3月16日
    言語処理学会第21回年次大会チュートリアル,京都.
    密度比推定に基づく汎用的な機械学習技術.

  71. 2015年3月13日
    情報機構,東京.
    はじめて学ぶ機械学習.

  72. 2015年3月9日
    京都大学数理解析研究所,京都.
    機械学習による構造的変化検知.

  73. 2015年3月6日
    CRESTシンポジウム:機械知能とビッグデータ ,東京.
    密度比推定による機械学習.

  74. 2015年1月29日
    さきがけ領域会議,東京
    統計的機械学習による強化学習とそのロボット制御への応用.

  75. 2015年1月22-23日
    明治大学先端数理科学インスティテュート,東京.
    機械学習:汎用的なデータ解析技術の開発を目指して.

  76. 2014年12月24-25日
    ネットワークの科学,京都.
    汎用的な機械学習への取り組み.

  77. 2014年11月28日
    「データ科学の発展と植物科学との融合」ワークショップ,東京.
    確率密度比を用いた汎用的な機械学習技術.

  78. 2014年11月21日
    人工知能学会 AIチャレンジ研究会,横浜.
    機械学習のこれから:汎用的なデータ解析を目指して.

  79. 2014年7月31日
    理化学研究所, 埼玉.
    Unsupervised change detection.

  80. 2014年7月10日
    FIRST喜連川プロジェクトの報告とビッグデータの今後に関するシンポジウム, 東京.
    転移機械学習.

  81. 2014年6月16日
    2014 Machine Learning Summer School, Beijing, China.
    Unsupervised change detection.

  82. 2014年5月22日
    応用統計学会2014年度年会, 東京.
    密度比推定の理論とその機械学習への応用.

  83. 2014年5月21日
    Shonan Meeting on Deep Learning: Theory, Algorithms, and Applications, Kanagawa, Japan.
    Deep density-ratio estimation.

  84. 2014年3月24日
    日本テクノセンター, 東京.
    機械学習の基礎と実用のためのアルゴリズム修得講座.

  85. 2014年3月19日
    ノンパラメトリック統計解析とベイズ統計, 東京.
    確率密度比を用いた統計的機械学習の新しいアプローチ.

  86. 2014年2月24日
    近畿化学協会 コンピュータ化学部会公開講演会, 大阪.
    確率密度比を用いた統計的機械学習の新展開.

  87. 2014年2月6日
    Japan-Britain Workshop on Big Data Research, Tokyo, Japan.
    Machine learning with density ratio estimation.

  88. 2013年12月17日
    東芝 研究開発センター インタラクティブメディアラボラトリー, 川崎.
    機械学習による変化検知.

  89. 2013年11月29日
    日本鉄鋼協会, 和歌山.
    機械学習による変化検知.

  90. 2013年11月24日
    "Decisions" Area Meeting, Tokyo, Japan.
    Development of machine learning theory for prediction and decision making and its realization with neural networks.

  91. 2013年11月22日
    Tutorial at "Decisions" Area Meeting, Tokyo, Japan.
    Change detection in multi-dimensional data.

  92. 2013年11月21日
    東京大学 大学院情報理工学系研究科 コンピュータ科学専攻, 東京.
    確率密度比を用いた統計的機械学習の新しいアプローチ.

  93. 2013年11月5日
    KAIST, Korea.
    Change detection in multi-dimensional data.

  94. 2013年11月3日
    International Conference on Neural Information Processing (ICONIP2013), Korea
    Machine learning via density ratio estimation: algorithms and applications.

  95. 2013年10月29日
    MATLAB Expo 2013, 東京.
    MATLABによる機械学習.

  96. 2013年10月16日
    Peking University, China.
    Change detection in multi-dimensional data.

  97. 2013年10月15日
    Tsinghua University, China.
    Machine learning with density ratio estimation.

  98. 2013年9月27日
    Tenth Anniversary Symposium, Toyota Technological Institute at Chicago, USA.
    Machine learning with density ratio estimation.

  99. 2013年9月26日
    University of Toronto, Canada.
    Machine learning with density ratio estimation.

  100. 2013年8月5-6日
    2013 Sapporo Workshop on Machine Learning and Applications to Biology (MLAB Sapporo 2013), Sapporo, Japan.
    Change detection in multi-dimensional data: From distributional change to structural change.

  101. 2013年6月28日
    さきがけオフ会, 東京.
    確率密度比を用いた統計的機械学習.

  102. 2013年6月26日
    情報処理学会 連続セミナー2013 ビッグデータの深化と真価, 東京.
    ビッグデータ活用のための機械学習技術.

  103. 2013年6月13日
    第19回画像センシングシンポジウム(SSII2013), 横浜.
    確率分布間の距離に基づく機械学習.

  104. 2013年5月21日
    JSAE-SICE合同研究会, 東京.
    確率分布間の距離に基づく機械学習.

  105. 2013年4月25日
    オムロン, 京都.
    確率密度比を用いた統計的機械学習の新しいアプローチ.

  106. 2013年4月24日
    京都大学医学部附属病院精神科神経科, 京都.
    機械学習入門.

  107. 2013年3月20日
    University of Helsinki, Finland.
    Density ratio estimation in machine learning.

  108. 2013年3月20日
    VALO Research and Trading, Finland.
    Density ratio estimation in machine learning.

  109. 2013年3月18日
    Aalto University, Finland.
    Divergence estimation for machine learning.

  110. 2013年3月6日
    名古屋工業大学, 名古屋.
    確率分布間の距離の推定とその機械学習への応用.

  111. 2013年2月26日
    NTTコミュニケーション科学基礎研究所, 京都.
    確率分布間の距離の推定とその機械学習への応用.

  112. 2013年2月22日
    Seoul National University, Korea.
    Density ratio estimation in machine learning.

  113. 2012年12月17日
    東芝 研究開発センター インタラクティブメディアラボラトリー, 川崎.
    確率分布間の距離推定とその応用.

  114. 2012年12月14日
    さきがけシンポジウム,東京
    一粒で何度もおいしい機械学習技術の開発.

  115. 2012年11月18日
    "Decisions" Area Meeting, Tokyo, Japan.
    Development of machine learning theory for prediction and decision making and its realization with neural networks.

  116. 2012年11月8日
    JSTシンポジウム, 東京
    大規模金融データによる不安伝播の解明と暴走抑制のデザイン.

  117. 2012年9月28-29日
    計測自動制御学会プラントモデリング研究会, 三島.
    機械学習入門.

  118. 2012年9月25日
    BBCI Summer School 2012, Berlin, Germany.
    Density ratio estimation in machine learning.

  119. 2012年9月7日
    21st Machine Learning Summer School 2012, Kyoto, Japan.
    Density ratio estimation in machine learning.

  120. 2012年8月8日
    北海道大学, 大学院情報科学研究科, コンピュータサイエンス専攻, 札幌.
    確率密度関数間のL2距離の推定.

  121. 2012年8月6-7日
    2012 Sapporo Workshop on Machine Learning and Applications to Biology (MLAB Sapporo 2012), Sapporo, Japan.
    Recent advances in divergence estimation: Theory, algorithm, and application.

  122. 2012年6月18日
    "Decisions" Area Meeting, Tokyo, Japan.
    Development of machine learning theory for prediction and decision making and its realization with neural networks.

  123. 2012年6月11日
    慶應義塾大学, 物理情報工学科, 足立研究室.
    確率密度比を用いた統計的機械学習の新しいアプローチ.

  124. 2012年4月25日
    第3回計算科学シミュレーションシンポジウム
    確率密度比を用いた機械学習アルゴリズムとその応用.

  125. 2012年4月13日
    SICE制御部門第3回プラントモデリング・ 第12回適応学習制御合同シンポジウム, 東京.
    パターン認識と機械学習:オーバーフィッティングの回避方法.

  126. 2012年4月12日
    SICE制御部門第3回プラントモデリング・ 第12回適応学習制御合同シンポジウム 交流セッション, 東京.
    「モデルとは?」.

  127. 2012年3月9日
    「予測と意思決定」領域会議, 東京.
    予測と意思決定のための機械学習理論の構築とその神経回路での実現.

  128. 2012年2月17日
    第2回IPABセミナー/臨床医学情報とデータマイニング, 東京.
    確率的パターン認識とクラスタリングの新手法.

  129. 2012年1月27日
    最先端研究開発プロジェクト研究会, 東京.
    情報量最大化クラスタリング.

  130. 2012年1月25日
    INRIA Lille (hosted by Dr. Remi Munos), France.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  131. 2012年1月24日
    Ecole Normale Superieure (hosted by Dr. Francis Bach), France.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  132. 2012年1月23日
    Mines ParisTech (hosted by Dr. Jean-Philippe Vert), France.
    New Methods of Probabilistic Classification and Information-Maximization Clustering.

  133. 2012年1月12日
    IBISML研究会チュートリアル, 東京.
    パターン認識のための機械学習その2(識別モデル).

  134. 2011年12月20日
    東芝 研究開発センター マルチメディアラボラトリー, 川崎.
    クラスタリングの新展開.

  135. 2011年12月10日
    Empirical Inference Symposium, Germany.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  136. 2011年12月2日
    データサイエンスロボティクス研究会, 東京.
    統計的機械学習入門:回帰と分類.

  137. 2011年11月22日
    第2回「e-サイエンスに向けた革新的アルゴリズム」シンポジウム.
    確率密度比を用いた機械学習アルゴリズムとその応用.

  138. 2011年11月17日
    National Taiwan University (hosted by Prof. Chih-Jen Lin), Taiwan.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  139. 2011年11月16日
    National Cheng Kung University (led by Prof. Jen-Tzung Chien), Taiwan.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  140. 2011年11月8日
    「予測と意思決定」グループ会議, 奈良.
    二乗損失相互情報量推定に基づく教師付き特徴選択.

  141. 2011年10月21日
    SICEセミナー, 大阪.
    確率密度比を用いた機械学習の新たなアプローチ.

  142. 2011年10月7日
    PRMU研究会パネルディスカッション, 東京
    Webスケール時代のパターン認識(データ処理)の展望, (USTREAM動画).

  143. 2011年10月2日
    "Decisions" Area Meeting, Okinawa, Japan.
    Development of machine learning theory for prediction and decision making and its realization with neural networks.

  144. 2011年9月15日
    北海道大学, 大学院情報科学研究科, コンピュータサイエンス専攻, 札幌.
    確率的パターン認識とクラスタリングの新手法.

  145. 2011年8月23日
    ERATO湊離散構造処理系プロジェクト, 北海道大学, 札幌.
    確率密度比を用いた新しい機械学習アルゴリズム.

  146. 2011年8月12日
    Yahoo! Research, USA.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  147. 2011年7月21日
    ATR脳情報解析研究所 (ホスト:佐藤雅昭博士), 京都.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  148. 2011年7月5日
    Department of Media Analytics (led by Dr. Kai Yu), NEC Laboratories America, USA.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  149. 2010年12月22日
    東芝 研究開発センター マルチメディアラボラトリー, 川崎.
    密度比推定による条件付き確率推定.

  150. 2010年12月1日
    富士通研究所, 川崎.
    確率密度比を用いた新しい機械学習アルゴリズム.

  151. 2010年11月30日
    GCOEシンポジウム, 東京.
    密度比推定に基づく機械学習.

  152. 2010年11月25日
    理工系女性研究者プロモーションプログラム 合同研究発表会, 東京.
    非定常環境下での機械学習.

  153. 2010年11月24日
    Kyoto University, Kyoto, Japan.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  154. 2010年10月12日
    ソニー, 東京.
    確率密度比を用いた新しい機械学習アルゴリズム.

  155. 2010年10月4日
    グーグル, 東京.
    確率密度比を用いた新しい機械学習アルゴリズム, (YouTube動画).

  156. 2010年9月20日
    Yahoo, Barcelona, Spain.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  157. 2010年9月14日
    Weierstrass Institute for Applied Analysis and Stochastics, Berlin, Germany.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  158. 2010年9月13日
    Machine Learning / Intelligent Data Analysis Group (led by Prof. Dr. K.-R. Müller), Technical University Berlin, Berlin, Germany.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  159. 2010年8月3日
    (財)科学技術交流財団研究会, 名古屋.
    強化学習を用いたロボット制御:統計的機械学習によるアプローチ.

  160. 2010年8月2日
    名古屋工業大学, 名古屋.
    非定常環境適応と能動学習の理論と応用.

  161. 2010年7月20日
    NEC共通基盤ソフトウェア研究所, 川崎.
    密度比推定による条件付き確率推定.

  162. 2010年7月15日
    Georgia Institute of Technology, USA.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  163. 2010年6月14-15日
    情報論的学習理論と機械学習研究会, 東京.
    統計的機械学習の新展開:確率密度比に基づくアプローチ.

  164. 2010年6月7日
    システム制御情報学会チュートリアル, 大阪.
    高次元データの次元削減.

  165. 2010年5月25日
    SICEセミナー, 東京.
    確率密度比を用いた機械学習の新たなアプローチ.

  166. 2010年4月26日
    Machine Learning Lunch Seminar, Carnegie Mellon University, USA.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning, (mp4 movie).

  167. 2010年4月21日
    NECソフト, 東京.
    超高速確率的分類器.

  168. 2010年3月8日
    Statistical Experiment and Its Related Topics研究会, 京都大学数理解析研究所, 京都.
    確率密度比を用いた統計的機械学習の新たなアプローチ.

  169. 2010年1月19日
    東芝 研究開発センター マルチメディアラボラトリー, 川崎.
    統計的機械学習技術を用いた強化学習.

  170. 2009年12月21日
    第21期日本学術会議 総合工学委員会・機械工学委員会 合同計算科学シミュレーションと工学設計分科会 心と脳など新しい領域検討小委員会, 東京.
    確率密度比を用いた統計的機械学習の新たなアプローチ.

  171. 2009年12月3日
    CompView GCOE Symposium, 東京.
    確率密度比を用いた機械学習の新たなアプローチ.

  172. 2009年12月1日
    脳科学研究戦略推進プログラム データベース分科会, 京都.
    次元削減入門.

  173. 2009年11月27日
    Keihanna Talk (Host: Dr. Kiyonori Ohtake), NICT, Kyoto, Japan.
    Density ratio estimation: a new versatile tool for machine learning.

  174. 2009年11月26日
    奈良先端科学技術大学院大学 松本研究室, 奈良.
    回帰のための能動学習.

  175. 2009年11月17日
    NECソフト, 東京.
    確率密度比の推定法.

  176. 2009年11月10日
    東京大学 大学院情報理工学系研究科 数理情報学専攻 山西・鹿島研究室, 東京.
    回帰のための能動学習.

  177. 2009年11月5日
    LAMDA group, Nanjing University (hosted by Prof. Zhi-Hua Zhou), Nanjing, China.
    Active learning for regression: algorithms and applications.

  178. 2009年11月2-4日
    Asian Conference on Machine Learning (ACML2009), Nanjing, China.
    Density ratio estimation: A new versatile tool for machine learning.

  179. 2009年10月16日
    自然言語処理合同研究会, 東京.
    「確率密度比」を用いた機械学習の新たなアプローチ.

  180. 2009年6月25日
    Asian Office of Aerospace Research & Development, Tokyo, Japan.
    Methods and application of density ratio estimation.

  181. 2009年5月21日
    NTTコミュニケーション科学基礎研究所, 厚木.
    密度比推定の手法と応用.

  182. 2009年5月15日
    NECソフト, 東京.
    機械学習の理論と応用.

  183. 2009年3月25日
    NEC共通基盤ソフトウェア研究所, 川崎.
    密度比推定の手法と応用.

  184. 2009年3月4日
    東芝 研究開発センター マルチメディアラボラトリー, 川崎.
    密度比推定の手法と応用.

  185. 2009年2月23日
    ヤマハ, 静岡.
    密度比推定の手法と応用.

  186. 2009年2月20日
    JFE技研, 川崎.
    機械学習に基づく鉄鋼プロセスにおける異常検知・異常因子同定.

  187. 2008年12月16日
    Tutorial at IEEE International Conference on Data Mining (ICDM2008), (together with Dr. Wei Fan), Pisa, Italy.
    Sample selection bias--covariate shift: Problems, solutions, and applications.

  188. 2008年11月28日
    統計数理研究所 (ホスト:松井知子教授), 東京.
    確率密度比の直接推定とその機械学習への応用.

  189. 2008年11月21日
    大阪大学, データ科学特別セミナー (ホスト:狩野裕教授), 大阪.
    確率密度比の直接推定とその機械学習への応用.

  190. 2008年11月17日
    東京大学 情報基盤センター (ホスト:中川裕志教授), 東京.
    確率密度比の直接推定とその機械学習への応用.

  191. 2008年11月12日
    京都大学, システム科学専攻 (ホスト:田中利幸教授), 京都.
    密度比推定の手法と応用.

  192. 2008年11月5日
    IBM, 東京基礎研究所, 準連携記念講演会, 神奈川.
    機械学習:数理と実世界の架け橋.

  193. 2008年10月30日
    情報論的学習理論ワークショップ(IBIS2008), 仙台.
    密度比推定の手法と応用.

  194. 2008年8月29日
    Google, Tokyo, Japan.
    Machine Learning under Changing Environment, (YouTube movie).

  195. 2008年7月11日
    Microsoft Institute for Japanese Academic Research Collaboration (IJARC) Collaborative Research Project (CORE) Review Meeting, Beijing, China.
    Machine Learning under Changing Environment.

  196. 2008年5月9日
    東北大学, 情報数物研究会(ホスト:田中和之教授), 仙台.
    非定常環境下での教師付き学習.

  197. 2008年4月29日
    IBM T. J. Watson Research Center (hosted by Dr. Naoki Abe), Yorktown, NY, USA.
    Importance-weighting techniques for covariate shift adaptation and beyond.

  198. 2008年4月28日
    IBM T. J. Watson Research Center (hosted by Dr. Wei Fan), Hawthorne, NY, USA.
    Importance-weighting techniques for covariate shift adaptation and beyond.

  199. 2008年1月24日
    東芝 研究開発センター マルチメディアラボラトリー, 川崎.
    局所フィッシャー判別分析による次元削減・特徴抽出.

  200. 2008年1月21日
    ニコン, 東京.
    共変量シフト下での教師付き学習.

  201. 2007年11月22日
    ATR脳情報研究所 (ホスト:神谷之康博士), 京都.
    Covariate shift adaptation: Supervised learning when training and test inputs have different distributions.

  202. 2007年9月24日〜26日

  203. Machine Learning Research Group (led by Prof. Tobias Scheffer), Max Planck Institute for Computer Science, Saarbrücken, Germany.
    Active learning with model selection in linear regression.
    Covariate shift adaptation: Supervised learning when training and test inputs have different distributions.

  204. 2007年9月19日
    Department of Empirical Inference for Machine Learning and Perception (led by Prof. Bernhard Schölkopf), Max Planck Institute for Biological Cybernetics, Tübingen, Germany.
    Active learning with model selection in linear regression.

  205. 2007年9月13日
    Joint Machine Learning Seminars (hosted by Prof. Zoubin Ghahramani), University of Cambridge, Cambridge, UK.
    Covariate shift adaptation: Supervised learning when training and test inputs have different distributions.

  206. 2007年9月12日
    (hosted by Dr. Joaquin Quiñonero-Candela), Applied Games Group, Microsoft Research Cambridge, Cambridge, UK.
    Active learning with model selection in linear regression, (movie).

  207. 2007年8月28日
    Machine Learning / Intelligent Data Analysis Group (led by Prof. Dr. K.-R. Müller), Technical University Berlin, Berlin, Germany.
    Active learning with model selection in linear regression.

  208. 2007年8月20日
    ICML2007勉強会読む会, 東京.
    カーネル法のトレンド:非線形化から統計的検定へ.

  209. 2007年8月10日
    キャノン, 東京.
    非定常環境下での教師付き学習:データの入力分布が変化する場合.

  210. 2007年4月20日
    T-PRIMALセミナー, 東京.
    次元削減について.

  211. 2007年1月26日
    NIPS2006読む会, 東京.
    Mixture regression for covariate shift.

  212. 2006年11月17日
    IBM, 東京基礎研究所, 神奈川.
    共変量シフト下での教師付き学習.

  213. 2006年9月28日
    Institute of Perception, Action and Behaviour (Director: Prof. Dr. Sethu Vijayakumar), School of Informatics, University of Edinburgh, Edinburgh, UK.
    Value function approximation on non-linear manifolds in reinforcement learning.

  214. 2006年9月15日
    Intelligent Data Analysis (IDA) Group (led by Prof. Dr. K.-R. Müller), Fraunhofer-FIRST, Berlin, Germany.
    Dimensionality reduction of mutimodal labeled data by local Fisher discriminant analysis.

  215. 2006年7月29日
    ICML2006読む会, 横浜.
    Local Fisher discriminant analysis for supervised dimensionality reduction.

  216. 2006年3月20日
    The Edinburgh Machine Learning Group, Institute for Adaptive and Neural Computation (Director: Prof. Dr. Chris Williams), School of Informatics, University of Edinburgh, Edinburgh, UK.
    Regression under covariate shift.

  217. 2006年2月23日
    東京大学, 大学院新領域創成科学研究科, 複雑理工学専攻, 岡田研究室, 柏, 千葉.
    共変量シフト下での機械学習.

  218. 2006年2月16日
    産業技術総合研究所, 生命情報科学研究センター (主催: 津田宏治博士), 東京.
    能動学習とモデル選択の新手法.

  219. 2006年1月24日
    北海道大学, 大学院情報科学研究科, コンピュータサイエンス専攻, 数理計算科学講座, 札幌.
    共変量シフト下での教師付き学習.

  220. 2005年10月6日
    奈良先端科学技術大学院大学 論理生命学分野石井信教授), 奈良.
    能動学習,モデル選択,次元削減の新手法.

  221. 2005年9月5日
    Intelligent Data Analysis (IDA) Group (led by Prof. Dr. K.-R. Müller), Fraunhofer-FIRST, Berlin, Germany.
    Active learning in approximately linear regression.

  222. 2004年12月7日
    東京工業大学 学習研究会セミナー, 東京.
    訓練入力とテスト入力が異なる確率分布に従う場合の汎化誤差推定.

  223. 2003年6月13日
    山口大学 地域共同研究開発センター 研究協力会メディアネットワーク部会講演会, 山口.
    予測・認識・知能:限られたデータからいかにして有益な情報を取り出すか.

  224. 2003年4月2日〜3日

  225. Department of Empirical Inference for Machine Learning and Perception, (リ−ダ−:Prof. Dr. B. Schölkopf), Max Planck Institute for Biological Cybernetics, Tübingen, Germany.
    Functional analytic theories of active learning and beyond.
    Functional analytic approach to model selection.

  226. 2003年3月24日〜4月1日


  227. Swiss Federal Institute of Technology (hosted by Prof. Bernt Schiele), Zürich, Switzerland.
    Theories of learning and their applications to signal and image processing.
    Functional analytic approach to model selection.
    Theory of active learning and beyond.

  228. 2002年4月10日
    理化学研究所 脳科学総合研究センター 甘利研究室, 和光.
    Small sample model selection for non-linear kernel machines に向けて.

  229. 2001年8月6日
    東京工業大学 脳研究セミナー, 東京.
    Generalization error estimation and determination of regularization parameter.

  230. 2001年1月12日
    博士論文発表会, 東京工業大学 計算工学専攻, 東京.
    A theory of model selection and active learning for supervised learning.

  231. 2000年9月2日〜4日
    Young Statisticians' Groupサマ−スク−ル 2000, 神奈川.
    訓練デ−タが少ない場合のモデル選択.

  232. 2000年6月7日
    慶応義塾大学 理工学部 数理科学科 柴田研究室 セミナ−, 横浜.
    Model selection with small samples.

  233. 2000年5月2日
    Intelligent Data Analysis (IDA) Group (リ−ダ−:Prof. Dr. K.-R. Müller), GMD-FIRST, Berlin, Germany.
    A new model selection criterion for optimal generalization.

  234. 1999年12月10日
    第10回東京工業大学脳研究シンポジウム, 東京.
    Active learning for optimal generalization.



杉山将の講演等ビデオ


杉山将 (sugi [at] k.u-tokyo.ac.jp)