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AIPセンター ]
[ English | Japanese ]

杉山将の講演リスト/Talks

  1. 2020/6/10
    第26回画像センシングシンポジウム, オンライン.
    弱教師付き機械学習の新展開:限られた情報からでも精度良く.

  2. 2020/5/15
    Booking.com Seminar, online,
    Machine learning from weak supervision: Towards accurate classification with low labeling costs.

  3. 2020/2/21
    滋賀大学データサイエンスキャンパスフォーラム, 京都.
    機械学習研究の最新動向と理化学研究所AIPセンターの取り組み.

  4. 2019/1/28
    AIアカデミックフオーラム2020, 東京.
    世界をリードするAI研究と人材育成への挑戦.

  5. 2019/12/25
    情報系 WINTER FESTA Episode 5, 東京.
    Introduction to RIKEN-AIP.

  6. 2019/12/21
    IRCN-THUAI (International Research Center for Neurointelligence at The University of Tokyo-The Tsinghua University Institute for Artificial Intelligence) Workshop, Tokyo, Japan.
    Human-assited machine learning.

  7. 2019/12/9
    Panel discussion at NeurIPS Group Session (NewInML2019), Vancouver, British Columbia, Canada.
    Advice for newcomers to machine learning.

  8. 2019/11/29
    AIデータ活用シンポジウム2019, 東京.
    AI研究の最新動向と課題.

  9. 2019/11/23
    130回東京大学公開講座「予測できる未来と、予測できない未来」, 東京.
    機械学習研究の現状とこれから.

  10. 2019/11/21
    GHELIA EXPO TOKYO 2020, 東京.
    先端研究者に聞く「AIが拓く未来」の虚と実.

  11. 2019/11/17
    ACML2019 Weakly-Supervised Learning Workshop, Nagoya, Japan.
    Welcome to ACML2019 Weakly-Supervised Learning Workshop.

  12. 2019/11/17
    ACML2019 Workshop on RIKEN-AIP Research, Nagoya, Japan.
    Introduction of RIKEN Center for Advanced Intelligence Project.

  13. 2019/11/12
    Conference on Data Science at The Fields Institute for Research in Mathematical Sciences, Toronto, Canada.
    Machine learning from weak supervision: Towards accurate classification with low labeling costs.

  14. 2019/11/1
    名工大テクノフェア2019, 名古屋.
    機械学習研究の現状と今後の展望.

  15. 2019/10/19
    International Conference on Intelligence Science and Big Data Engineering (IScIDE 2019), Nanjing, China.
    Weakly supervised classification: Towards accurate machine learning with low labeling costs.

  16. 2019/9/24-25
    Advancement of Artificial Intelligence Workshop, Genova, Italy.
    Introduction of RIKEN Center for Advanced Intelligence Project.
    Weakly supervised classification and robust machine learning.

  17. 2019/9/20
    University of Oxford, Oxford, UK.
    Introduction of RIKEN Center for Advanced Intelligence Project.
    Machine learning from weak supervision: Towards accurate classification with low labeling costs.

  18. 2019/9/19
    UK-Japan Robotics and AI Research Collaboration Workshop, London, UK.
    Introduction of RIKEN Center for Advanced Intelligence Project.

  19. 2019/9/17
    UK-Japan Robotics and AI Research Collaboration Workshop, Edinburgh, UK.
    Introduction of RIKEN Center for Advanced Intelligence Project.
    Weakly supervised classification and robust machine learning.

  20. 2019/9/11
    Zuse Institute Berlin, Berlin, Germany.
    Introduction of RIKEN Center for Advanced Intelligence Project.
    Weakly supervised classification and robust machine learning.

  21. 2019/9/9
    Joint Workshop of BBDC, BZML and RIKEN AIP, Berlin, Germany.
    Introduction of RIKEN Center for Advanced Intelligence Project.
    Weakly supervised learning.

  22. 2019/9/4
    第29回日本神経回路学会全国大会(JNNS2019), 東京.
    弱教師付き分類:低ラベル付コスト・高精度な機械学習の実現へ向けて.

  23. 2019/9/4
    日経産業新聞フォーラム「AI WORLD 〜最先端AIテクノロジーがもたらす日本のビジネス変革〜」, 東京.
    機械学習研究のこれまでとこれから.

  24. 2019/6/25
    AI Summer School (KBYOYO2019), Istanbul, Turkey.
    Machine learning from weak supervision.

  25. 2019/6/2
    PAIR-AIP Workshop, Taipei, Taiwan.
    Introduction of RIKEN-AIP.
    Weakly supervised classification and reliable machine learning: overview of our recent advances.

  26. 2019/5/28
    IDIAP, Martigny, Switzerland.
    Recent advances in weakly-supervised and robust machine learning.

  27. 2019/5/27
    AI Experts Workshop & AI for Good Global Summit, Geneva, Switzerland.
    Recent advances in weakly-supervised and robust machine learning.

  28. 2019/3/25
    4th Workshop on Optimization and Statistical Learning, Les Houches, France.
    Machine learning from weak supervision: Towards accurate classification with low labeling costs.

  29. 2019/3/23
    The First IRCN Course in Neuro-Inspired Computation, Tokyo, Japan.
    Machine learning from weak supervision: Towards accurate classification with low labeling costs.

  30. 2019/3/20
    人間知能(HI)と人工知能(AI)の出会いが生み出すニューロインテリジェンス(NI)共通基盤の可能性:ファッションから見るその未来, 東京.
    人工知能研究の現状とこれから.

  31. 2019/3/15-16
    IIT-H and RIKEN-AIP Joint Workshop on Machine Learning and Applications, Hyderabad, India.
    Introduction of RIKEN-AIP.
    Weakly supervised classification and robust learning: overview of our recent advances.

  32. 2019/3/7-9
    The 1st SJTU CS - RIKEN AIP Joint Workshop on Machine Learning and Brain-like Intelligence, Shanghai, China.
    Introduction of RIKEN-AIP.
    Weakly supervised classification, robust learning and more: overview of our recent advances.

  33. 2019/2/22-24
    The Second Korea-Japan Machine Learning Workshop, Jeju, Korea.
    RIKEN Center for Advanced Intelligence Project.
    Weakly supervised classification, robust learning and more: overview of our recent advances.

  34. 2018/12/25
    情報系 WINTER FESTA Episode 4, 東京.
    Introduction to RIKEN-AIP.

  35. 2018/12/18
    データ分離問題の基礎と新展開, 東京.
    二値分類技術の最近の発展:教師付き,教師なし,弱教師付きアプローチ.

  36. 2018/12/14
    Plenary talk at The 25th International Conference on Neural Information Processing (ICONIP2018), Siem Reap, Cambodia.
    Machine learning from weak supervision---Towards accurate classification with low labeling costs.

  37. 2018/12/12
    大阪大学医学部, 大阪.
    人工知能研究の現状とこれから.

  38. 2018/11/30
    LINK-J×東北大学ネットワーキング・ナイト, 東京.
    人工知能研究の現状と今後.

  39. 2018/11/19
    The First Japan-Israel Machine Learning Meeting (JIML2018), Ramat Gan, Israel.
    Introduction of RIKEN Center for Advanced Intelligence Project.
    Weakly supervised classification.

  40. 2018/11/13
    第4回 Pitch to the Minister 懇談会“HIRAI Pitch”, 東京.
    人工知能研究のこれまでとこれから.

  41. 2018/11/2
    Istituto Italiano di Tecnologia, Genova, Italy.
    Introduction of RIKEN Center for Advanced Intelligence Project.
    Weakly supervised classification.

  42. 2018/10/31
    Conference on Robot Learning (CoRL2018), Zurich, Switzerland.
    Machine learning from weak supervision---Towards accurate classification with low labeling costs.

  43. 2018/10/24
    奈良先端大東京フォーラム2018, 東京.
    人生100年時代の社会とは.

  44. 2018/10/22
    東京工業大学超スマート社会コンソーシアム設立記念式典, 東京.
    超スマート社会を支える人工知能技術.

  45. 2018/10/20
    電子情報通信学会 パターン認識・メディア理解研究会 PRMUフェロー記念講演, 横浜.
    限られた情報からの機械学習: これまでの発展と今後の展望.

  46. 2018/10/19
    CEATEC JAPAN 2018, 千葉.
    AI時代に向けたオープンデータ化とオープンデータの活用の推進.

  47. 2018/10/18
    新三木会第99回講演会, 東京.
    人工知能(AI)研究の現状とこれから.

  48. 2018/9/24
    NUS SoC - RIKEN AIP Workshop on Artificial Intelligence, Singapore.
    Introduction of RIKEN Center for Advanced Intelligence Project.
    Machine learning from weak supervision.

  49. 2018/9/19
    International Workshop on Acoustic Signal Enhancement (IWAENC2018), Tokyo, Japan.
    Machine learning from weak supervision---Towards accurate classification with low labeling costs.

  50. 2018/9/13
    Korea-Japan Symposium on the 4th Industrial Revolution, Seoul, Korea.
    Machine learning from weak supervision.

  51. 2018/8/10
    The 1st China Computer Federation - International Conference on Artificial Intelligence (CCF-ICAI2018), Jinan, China.
    Recent advances in robust machine learning.

  52. 2018/7/28
    トップリーダーと学ぶワークショップ, 東京.
    人工知能研究のこれまでとこれから.

  53. 2018/7/26
    日本神経科学大会, 神戸.
    機械学習研究の現状と今後の展開.

  54. 2018/7/24
    IRCN Symposium on Frontiers of Neurointelligence, Tokyo, Japan.
    Recent advances in machine learning research and beyond.

  55. 2018/7/23
    Workshop on Discrete Optimization and Machine Learning, Tokyo, Japan.
    Machine learning from weak supervision.

  56. 2018/7/18
    ZMPフォーラム, 東京.
    人工知能研究の最新動向.

  57. 2018/7/9
    KTH Royal Institute of Technology, Stockholm, Sweden.
    Machine learning from weak supervision.

  58. 2018/6/28
    Ubiquitous Robots 2018, Honolulu, Hawaii, USA.
    Machine learning from weak supervision.

  59. 2018/6/22
    東工大ITクラブ・蔵前ITコミュニティ合同セミナー, 東京.
    人工知能研究の現状と今後の展望.

  60. 2018/6/18
    National Graduate Institute for Policy Studies, Tokyo, Japan.
    AI research in Japan: RIKEN Center for Advanced Intelligence Project.

  61. 2018/6/6
    Machine Intelligence Summit, Hong Kong, China.
    Machine learning from weak supervision.

  62. 2018/6/5
    Hong Kong University of Science and Technology, Hong Kong, China.
    Machine learning from weak supervision.

  63. 2018/5/30
    慶應義塾大学メディカルAIセンター, 東京
    人工知能研究の現状とこれから.

  64. 2018/5/22
    奈良先端科学技術大学院大学, 奈良.
    弱教師付き学習の新展開.

  65. 2018/5/17
    日本ソフトウェア科学会 機械学習工学研究会 キックオフシンポジウム, 東京.
    機械学習研究の現状とこれから.

  66. 2018/5/4
    University of British Columbia, Vancouver, Canada.
    Machine learning from weak supervision.

  67. 2018/4/27
    Vector Institute for Artificial Intelligence, Toronto, Canada.
    Machine learning from weak supervision.

  68. 2018/4/26
    Montreal Institute for Learning Algorithms, Montreal, Canada.
    Machine learning from weak supervision.

  69. 2018/4/6
    Technical University of Darmstadt, Darmstadt, Germany.
    Machine learning from weak supervision.

  70. 2018/3/29
    NISTEP専門家ワークショップ, 東京.
    機械学習研究の現状とこれから.

  71. 2018/3/14
    理研科学者会議, 東京.
    AIPセンターの取り組み.

  72. 2018/3/9
    フロンティアサロン財団, 東京.
    機械学習:第3次人工知能ブームの起爆剤.

  73. 2018/3/6
    1st Transatlantic-Transpacific Workshop on Machine Learning and Discrete Optimization 2018, Atlanta, Georgia, USA.
    Introduction of RIKEN-AIP.

  74. 2018/2/19
    GA Technologies, 東京.
    教師付き分類の基礎と先端.

  75. 2018/2/15
    理研と未来を創る会, 東京.
    限られた情報からの機械学習.

  76. 2018/2/15
    CREST-EMS第9回領域会議, 東京.
    人工知能研究の最新の動向.

  77. 2018/1/24
    理化学研究所・産業技術総合研究所 合同シンポジウム, 東京.
    人工知能分野の紹介.

  78. 2018/1/24
    大阪倶楽部定例午餐会, 大阪.
    人工知能研究の現状と理研AIPセンターの取り組み.

  79. 2018/1/13
    第5回日本腎臓研究会, 東京.
    人工知能研究の最新の動向と理化学研究所・革新知能統合研究センターの取組み.

  80. 2018/1/2
    Bar Ilan University, Ramat-Gan, Israel.
    Machine learning from weak supervision.

  81. 2017/12/21
    第18回 計測自動制御学会システムインテグレーション部門講演会, 仙台.
    人工知能研究の現状と最近の取り組み.

  82. 2017/12/20
    東京医科歯科大学, 東京.
    強化学習.

  83. 2017/12/16
    第11回健康医療開発機構シンポジウム, 東京.
    人工知能分野の現状と理研AIPセンターの取り組み.

  84. 2017/11/24
    人工知能学会 合同研究会2017, 神奈川.
    理研AIPセンターの取り組み.

  85. 2017/11/23
    LG Electronics, Seoul, Korea.
    AI research in Japan: RIKEN Center for Advanced Intelligence Project.

  86. 2017/11/23
    Seoul National University, Seoul, Korea.
    Machine learning from weak supervision---Towards accurate classification with low labeling costs.

  87. 2017/11/22
    ZDNet Korea Asia Tech Summit 2017 (ATS 2017), Seoul, Korea.
    AI research in Japan: RIKEN Center for Advanced Intelligence Project.

  88. 2017/11/15
    The First International Workshop on Machine Learning for Artificial Intelligence Platform (MLAIP2017), Seoul, Korea.
    Machine learning from weak supervision.

  89. 2017/11/14
    Sungkyunkwan University, Suwon, Korea.
    Machine learning from weak supervision---Towards accurate classification with low labeling costs.

  90. 2017/11/3
    理化学研究所 科学講演会「理研百年-新たなる百年へ-」, 東京.
    人工知能研究の現状とこれから.

  91. 2017/10/15
    The 28th International Conference on Algorithmic Learning Theory (ALT2017) and the 20th International Conference on Discovery Science (DS2017), Kyoto, Japan.
    Machine Learning from Weak Supervision: Towards Accurate Classification with Low Labeling Costs.

  92. 2017/10/14
    Denso AI Tech. Seminar 2017, 東京.
    限られた情報からの機械学習.

  93. 2017/10/4
    バイオサイエンスデータベースセンター トーゴーの日本シンポジウム2017, 東京.
    人工知能研究の現状と理化学研究所・革新知能統合研究センターの取り組み.

  94. 2017/10/4
    情報計算化学生物学会2017年大会, 東京.
    理化学研究所・革新知能統合研究(AIP)センターの紹介.

  95. 2017/10/2
    STS Forum, Kyoto, Japan.
    Big data.

  96. 2017/9/25

  97. Rouen Machine Learning Workshop, Rouen, France.
    Classification from weak supervision.
    RIKEN Center for Advanced Intelligence Project (AIP).

  98. 2017/9/21-22

  99. France-Japan Machine Learning Workshop, Paris, France.
    AI Research in Japan and RIKEN Center for Advanced Intelligence Project (AIP).
    Classification from weak supervision.

  100. 2017/9/11
    土木学会全国大会, 福岡.
    これからのAI技術の方向性.

  101. 2017/9/7
    ワークスアプリケーションズEarly Bird Session for Presidents, 東京.
    人工知能ファーストの時代 -ディープラーニングの先を目指して-.

  102. 2017/9/4
    台日科学技術フォーラム, Taipei, Taiwan.
    人工知能研究の現状と理化学研究所・革新知能統合研究センターの取り組み.

  103. 2017/8/17
    Australian National University, Canberra, Australia.
    Machine Learning from weak supervision.

  104. 2017/8/14
    University of Technology Sydney, Australia.
    Machine Learning from weak supervision.

  105. 2017/7/27
    Pharma AI Forum, 東京.
    理化学研究所 革新知能統合研究センター (AIP)の取り組み.

  106. 2017/7/27
    情報処理学会連続セミナー2017第2回, 東京.
    人工知能の基盤技術.

  107. 2017/7/23
    Chinese Congress on Artificial Intelligence (CCAI2017), Hangzhou, China.
    Recent advances in machine learning from weak supervision.

  108. 2017/7/10
    日本医療研究開発機構, 東京.
    人工知能研究の動向と理研AIPセンターの取り組み.

  109. 2017/7/7
    International Workshop on Symbolic-Neural Learning (SNL2017), Nagoya, Japan.
    Classification from limited supervision.

  110. 2017/6/28
    Berlin Deep Learning Workshop, Berlin, Germany.
    Learning from weak supervision.

  111. 2017/6/22
    Embassy of the Republic of Korea in Japan, Tokyo, Japan.
    AI research in Japan: RIKEN Center for Advanced Intelligence Project.

  112. 2017/5/26
    原総合知的通信システム基金主催特別セミナー, 東京.
    理研AIPセンターの取組みと人工知能研究の最新動向.

  113. 2017/5/24
    野村證券, 東京.
    理研AIPセンターの取組みと人工知能研究の最新動向.

  114. 2017/5/22
    第2回次世代の人工知能技術に関する合同シンポジウム, 大阪.
    理化学研究所革新知能統合研究センターの今後の研究開発及び社会実装の推進方策.

  115. 2017/5/18
    富士通フォーラム2017, 東京.
    理研AIPセンターの紹介と機械学習研究の最近の発展.

  116. 2017/5/18
    富士通フォーラム2017, 東京.
    理研AIPセンターの紹介と機械学習研究の最近の発展.

  117. 2017/5/17
    Link-J: AI x Life Science シンポジウム, 東京.
    新産業創造へ向けた理研AIPセンターの取組.

  118. 2017/5/16
    電子情報技術産業協会, 東京.
    人工知能研究の現状と理研AIPセンターの紹介.

  119. 2017/5/11
    Gatsby-Kaken Joint Workshop on AI and Neuroscience, London, UK.
    Classification from weak supervision.

  120. 2017/4/27
    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.

  121. 2017/4/25
    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.

  122. 2017/4/25
    Roundtable Discussion on AI at the Embassy of Sweden, Tokyo, Japan.
    RIKEN Center for Advanced Intelligence Project (AIP).

  123. 2017/4/18
    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.

  124. 2017/4/6
    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.

  125. 2017/3/31
    Japan-UK Workshop, Tokyo, Japan.
    RIKEN Center for Advanced Intelligence Project.

  126. 2017/3/30
    RIKEN Center for AIP, Generic Technology Research Group Meeting, Tokyo, Japan.
    RIKEN Center for Advanced Intelligence Project.

  127. 2017/3/28
    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.

  128. 2017/3/24
    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.

  129. 2017/3/16
    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.

  130. 2017/3/14
    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.

  131. 2017/3/10
    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.

  132. 2017/3/9
    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.

  133. 2017/3/8
    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.

  134. 2017/3/3
    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.

  135. 2017/2/20
    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.

  136. 2017/2/17
    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.

  137. 2017/2/16
    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.

  138. 2017/2/14
    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.

  139. 2017/2/1
    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.

  140. 2017/1/30
    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.

  141. 2017/1/23
    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.

  142. 2017/1/20
    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.

  143. 2017/1/19
    理研研究政策リトリート2017,東京.
    Center for Advanced Intelligence Project (AIP).

  144. 2017/1/18
    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.

  145. 2017/1/13
    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.

  146. 2016/12/23
    情報系WINTER FESTA EPISODE2, 東京.
    理研AIPセンターの紹介.

  147. 2016/12/15
    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.

  148. 2016/12/14
    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.

  149. 2016/12/1
    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.

  150. 2016/11/29
    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.

  151. 2016/11/10
    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.

  152. 2016/11/7
    筑波大学シンポジウム:人を支援するAI x ビッグデータで実現する「Society 5.0」, 東京.
    機械学習の課題.

  153. 2016/11/4
    Microsoft Research Asia Faculty Summit, Seoul, Korea.
    Recent advances in policy search approaches to reinforcement learning.

  154. 2016/10/25
    RIKEN Interdisciplinary Theoretical Science Seminar, Saitama, Japan.
    Machine learning from weak supervision.

  155. 2016/10/19
    MATLAB EXPO 2016, 東京.
    人工知能研究の現状と今後の展望.

  156. 2016/10/14
    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.

  157. 2016/10/12
    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.

  158. 2016/10/3
    STS Forum, Kyoto, Japan.
    AI research in Japan.

  159. 2016/9/22
    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.

  160. 2016/9/16
    RIKEN Brain Science Institute Retreat 2016, Tokyo, Japan.
    Introduction to Center for Advanced Integrated Intelligence Research.

  161. 2016/9/11
    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.

  162. 2016/9/9
    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.

  163. 2016/9/1
    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.

  164. 2016/8/31
    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.

  165. 2016/8/26
    Asia-Pacific Enonophysics Conference 2016: Big Data Analysis and Modeling toward Super Smart Society (APEC-SSS2016), Tokyo, Japan.
    Machine learning from weak supervision.

  166. 2016/8/11
    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.

  167. 2016/7/22
    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.

  168. 2016/7/7
    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.

  169. 2016/6/14
    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.

  170. 2016/6/10
    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.

  171. 2016/6/7
    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.

  172. 2016/6/2
    First Korea-Japan Machine Learning Symposium, Seoul, Korea.
    Machine learning from weak supervision.

  173. 2016/5/5
    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.

  174. 2016/4/25
    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.

  175. 2016/4/14
    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.

  176. 2016/4/8
    Lecture at Kyushu Institute of Technology, Kitakyushu, Japan.
    Introduction to machine learning.

  177. 2016/2/22
    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

  178. 2016/1/8
    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.

  179. 2015/11/24
    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.

  180. 2015/11/6
    Frontiers in Data-Driven Science and Technology Workshop, Nagoya, Japan.
    Recent advances in learning from small data.

  181. 2015/10/28
    German-Japanese Workshop on Adaptive BCIs, Kyoto, Japan.
    Machine learning techniques for covariance matrices.

  182. 2015/9/24
    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.

  183. 2015/8/6
    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.

  184. 2015/8/3
    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.

  185. 2015/7/15
    東京大学 R2P Global Design Lecture, 東京.
    機械学習による変化検知.

  186. 2015/5/21
    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.

  187. 2015/4/20
    トリケップス, 東京
    機械学習の基礎と応用.

  188. 2015/3/16
    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.

  189. 2015/3/13
    情報機構,東京.
    はじめて学ぶ機械学習.

  190. 2015/3/9
    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.

  191. 2015/3/6
    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.

  192. 2015/1/29
    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.

  193. 2015/1/22-23
    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.

  194. 2014/12/24-25
    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.

  195. 2014/11/28
    「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.

  196. 2014/11/21
    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.

  197. 2014/7/31
    理化学研究所, 埼玉.
    Unsupervised change detection.

  198. 2014/7/10
    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.

  199. 2014/6/16
    2014 Machine Learning Summer School, Beijing, China.
    Unsupervised change detection.

  200. 2014/5/22
    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.

  201. 2014/5/21
    Shonan Meeting on Deep Learning: Theory, Algorithms, and Applications, Kanagawa, Japan.
    Deep density-ratio estimation.

  202. 2014/3/24
    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.

  203. 2014/3/19
    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.

  204. 2014/2/24
    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.

  205. 2014/2/6
    Japan-Britain Workshop on Big Data Research, Tokyo, Japan.
    Machine learning with density ratio estimation.

  206. 2013/12/17
    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.

  207. 2013/11/29
    日本鉄鋼協会, 和歌山.
    機械学習による変化検知.

  208. 2013/11/24
    "Decisions" Area Meeting, Tokyo, Japan.
    Development of machine learning theory for prediction and decision making and its realization with neural networks.

  209. 2013/11/22
    Tutorial at "Decisions" Area Meeting, Tokyo, Japan.
    Change detection in multi-dimensional data.

  210. 2013/11/21
    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.

  211. 2013/11/5
    KAIST, Daejeon, Korea.
    Change detection in multi-dimensional data.

  212. 2013/11/3
    International Conference on Neural Information Processing (ICONIP2013), Daegu, Korea.
    Machine learning via density ratio estimation: algorithms and applications.

  213. 2013/10/29
    MATLAB Expo 2013, 東京.
    MATLABによる機械学習.

  214. 2013/10/16
    Peking University, Beijing, China.
    Change detection in multi-dimensional data.

  215. 2013/10/15
    Tsinghua University, Beijing, China.
    Machine learning with density ratio estimation.

  216. 2013/9/27
    Tenth Anniversary Symposium, Toyota Technological Institute at Chicago, USA.
    Machine learning with density ratio estimation.

  217. 2013/9/26
    University of Toronto, Torongo, Canada.
    Machine learning with density ratio estimation.

  218. 2013/8/5-6
    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.

  219. 2013/6/28
    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.

  220. 2013/6/26
    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.

  221. 2013/6/13
    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.

  222. 2013/5/21
    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.

  223. 2013/4/25
    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.

  224. 2013/4/24
    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.

  225. 2013/3/20
    University of Helsinki, Helsinki, Finland.
    Density ratio estimation in machine learning.

  226. 2013/3/20
    VALO Research and Trading, Helsinki, Finland.
    Density ratio estimation in machine learning.

  227. 2013/3/18
    Aalto University, Espoo, Finland.
    Divergence estimation for machine learning.

  228. 2013/3/6
    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.

  229. 2013/2/26
    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.

  230. 2013/2/22
    Seoul National University, Seoul, Korea.
    Density ratio estimation in machine learning.

  231. 2012/12/17
    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.

  232. 2012/12/14
    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.

  233. 2012/11/18
    "Decisions" Area Meeting, Tokyo, Japan.
    Development of machine learning theory for prediction and decision making and its realization with neural networks.

  234. 2012/11/8
    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.

  235. 2012/9/28-29
    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.

  236. 2012/9/25
    BBCI Summer School 2012, Berlin, Germany.
    Density ratio estimation in machine learning.

  237. 2012/9/7
    21st Machine Learning Summer School 2012, Kyoto, Japan.
    Density ratio estimation in machine learning.

  238. 2012/8/8
    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.

  239. 2012/8/6-7
    2012 Sapporo Workshop on Machine Learning and Applications to Biology (MLAB Sapporo 2012), Sapporo, Japan.
    Recent advances in divergence estimation: Theory, algorithm, and application.

  240. 2012/6/18
    "Decisions" Area Meeting, Tokyo, Japan.
    Development of machine learning theory for prediction and decision making and its realization with neural networks.

  241. 2012/6/11
    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.

  242. 2012/4/25
    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.

  243. 2012/4/13
    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.

  244. 2012/4/12
    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?」.

  245. 2012/3/9
    「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.

  246. 2012/2/17
    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.

  247. 2012/1/27
    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.

  248. 2012/1/25
    INRIA Lille (hosted by Dr. Remi Munos), Lille, France.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  249. 2012/1/24
    Ecole Normale Superieure (hosted by Dr. Francis Bach), Paris, France.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  250. 2012/1/23
    Mines ParisTech (hosted by Dr. Jean-Philippe Vert), Paris, France.
    New Methods of Probabilistic Classification and Information-Maximization Clustering.

  251. 2012/1/12
    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).

  252. 2011/12/20
    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.

  253. 2011/12/10
    Empirical Inference Symposium, Tuebingen, Germany.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  254. 2011/12/2
    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.

  255. 2011/11/22
    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.

  256. 2011/11/17
    National Taiwan University (hosted by Prof. Chih-Jen Lin), Taipei, Taiwan.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  257. 2011/11/16
    National Cheng Kung University (led by Prof. Jen-Tzung Chien), Tainan, Taiwan.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  258. 2011/11/8
    「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.

  259. 2011/10/21
    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.

  260. 2011/10/7
    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).

  261. 2011/10/2
    "Decisions" Area Meeting, Okinawa, Japan.
    Development of machine learning theory for prediction and decision making and its realization with neural networks.

  262. 2011/9/15
    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.

  263. 2011/8/23
    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.

  264. 2011/8/12
    Yahoo! Research, USA.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  265. 2011/7/21
    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.

  266. 2011/7/5
    Department of Media Analytics (led by Dr. Kai Yu), NEC Laboratories America, USA.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  267. 2010/12/22
    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.

  268. 2010/12/1
    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.

  269. 2010/11/30
    GCOEシンポジウム, 東京.
    密度比推定に基づく機械学習.

  270. 2010/11/25
    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.

  271. 2010/11/24
    Kyoto University, Kyoto, Japan.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  272. 2010/10/12
    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.

  273. 2010/10/4
    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).

  274. 2010/9/20
    Yahoo, Barcelona, Spain.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  275. 2010/9/14
    Weierstrass Institute for Applied Analysis and Stochastics, Berlin, Germany.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  276. 2010/9/13
    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.

  277. 2010/8/3
    (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.

  278. 2010/8/2
    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.

  279. 2010/7/20
    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.

  280. 2010/7/15
    Georgia Institute of Technology, Atlanta, Georgia, USA.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning.

  281. 2010/6/14-15
    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.

  282. 2010/6/7
    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.

  283. 2010/5/25
    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.

  284. 2010/4/26
    Machine Learning Lunch Seminar, Carnegie Mellon University, Pittsburgh, Pennsylvania, USA.
    Density Ratio Estimation: A New Versatile Tool for Machine Learning, (mp4 movie).

  285. 2010/4/21
    NECソフト, 東京.
    超高速確率的分類器.

  286. 2010/3/8
    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.

  287. 2010/1/19
    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.

  288. 2009/12/21
    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.

  289. 2009/12/3
    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.

  290. 2009/12/1
    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.

  291. 2009/11/27
    Keihanna Talk (Host: Dr. Kiyonori Ohtake), NICT, Kyoto, Japan.
    Density ratio estimation: a new versatile tool for machine learning.

  292. 2009/11/26
    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.

  293. 2009/11/17
    NECソフト, 東京.
    確率密度比の推定法.

  294. 2009/11/10
    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.

  295. 2009/11/5
    LAMDA group, Nanjing University (hosted by Prof. Zhi-Hua Zhou), Nanjing, China.
    Active learning for regression: algorithms and applications.

  296. 2009/11/2-4
    Asian Conference on Machine Learning (ACML2009), Nanjing, China.
    Density ratio estimation: A new versatile tool for machine learning.

  297. 2009/10/16
    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.

  298. 2009/6/25
    Asian Office of Aerospace Research & Development, Tokyo, Japan.
    Methods and application of density ratio estimation.

  299. 2009/5/21
    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.

  300. 2009/5/15
    NECソフト, 東京.
    機械学習の理論と応用.

  301. 2009/3/25
    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.

  302. 2009/3/4
    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.

  303. 2009/2/23
    ヤマハ, 静岡.
    密度比推定の手法と応用.

  304. 2009/2/20
    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.

  305. 2008/12/16
    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.

  306. 2008/11/28
    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.

  307. 2008/11/21
    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.

  308. 2008/11/17
    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.

  309. 2008/11/12
    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.

  310. 2008/11/5
    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.

  311. 2008/10/30
    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.

  312. 2008/8/29
    Google, Tokyo, Japan.
    Machine Learning under Changing Environment, (YouTube movie).

  313. 2008/7/11
    Microsoft Institute for Japanese Academic Research Collaboration (IJARC) Collaborative Research Project (CORE) Review Meeting, Beijing, China.
    Machine Learning under Changing Environment.

  314. 2008/5/9
    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.

  315. 2008/4/29
    IBM T. J. Watson Research Center (hosted by Dr. Naoki Abe), Yorktown, NY, USA.
    Importance-weighting techniques for covariate shift adaptation and beyond.

  316. 2008/4/28
    IBM T. J. Watson Research Center (hosted by Dr. Wei Fan), Hawthorne, NY, USA.
    Importance-weighting techniques for covariate shift adaptation and beyond.

  317. 2008/1/24
    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.

  318. 2008/1/21
    ニコン, 東京.
    共変量シフト下での教師付き学習.

  319. 2007/11/22
    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.

  320. 2007/9/24-26

  321. 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.

  322. 2007/9/19
    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.

  323. 2007/9/13
    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.

  324. 2007/9/12
    (hosted by Dr. Joaquin Quiñonero-Candela), Applied Games Group, Microsoft Research Cambridge, Cambridge, UK.
    Active learning with model selection in linear regression, (movie).

  325. 2007/8/28
    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.

  326. 2007/8/20
    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.

  327. 2007/8/10
    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.

  328. 2007/4/20
    T-PRIMALセミナー, 東京.
    次元削減について.

  329. 2007/1/26
    NIPS2006読む会, 東京.
    Mixture regression for covariate shift.

  330. 2006/11/17
    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.

  331. 2006/9/28
    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.

  332. 2006/9/15
    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.

  333. 2006/7/29
    ICML2006読む会, 横浜.
    Local Fisher discriminant analysis for supervised dimensionality reduction.

  334. 2006/3/20
    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.

  335. 2006/2/23
    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.

  336. 2006/2/16
    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.

  337. 2006/1/24
    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.

  338. 2005/10/6
    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.

  339. 2005/9/5
    Intelligent Data Analysis (IDA) Group (led by Prof. Dr. K.-R. Müller), Fraunhofer-FIRST, Berlin, Germany.
    Active learning in approximately linear regression.

  340. 2004/12/7
    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.

  341. 2003/6/13
    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.

  342. 2003/4/2-3

  343. Department of Empirical Inference for Machine Learning and Perception, (led by 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.

  344. 2003/3/24-4/1


  345. 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.

  346. 2002/4/10
    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.

  347. 2001/8/6
    東京工業大学 脳研究セミナー, 東京.
    Generalization error estimation and determination of regularization parameter.

  348. 2001/1/12
    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.

  349. 2000/9/2-4
    Young Statisticians' Group サマースクール2000, 神奈川.
    訓練データが少ない場合のモデル選択.

  350. 2000/6/7
    慶応義塾大学 理工学部 数理科学科 柴田研究室 セミナ懼テクイ, 横浜.
    Model selection with small samples.

  351. 2000/5/2
    Intelligent Data Analysis (IDA) Group (led by Prof. Dr. K.-R. Müller), GMD-FIRST, Berlin, Germany.
    A new model selection criterion for optimal generalization.

  352. 1999/12/10
    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)