Researchers Information System

日本語に切り替えるswitch to english

Nakayama, Yugo

Graduate School of Informatics, Department of Systems Science Assistant Professor

Nakayama, Yugo
list
    Last Updated :2022/06/24

    Basic Information

    Faculty

    • 工学部

    Professional Memberships

    • 日本統計学会
    • 日本数学会

    Academic Degree

    • 修士(理学)(筑波大学)
    • 博士(理学)(筑波大学)

    Research History

    • From Apr. 2020
      Kyoto University, Graduate School of Informatics, Assistant Professor

    ID,URL

    researchmap URL

    list
      Last Updated :2022/06/24

      Research

      Research Interests

      • 機械学習
      • 高次元統計解析
      • 多変量解析

      Research Areas

      • Informatics, Statistical science

      Papers

      • Clustering by principal component analysis with Gaussian kernel in high-dimension, low-sample-size settings
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        Journal of Multivariate Analysis, Jun. 2021, Peer-reviewed
      • Robust support vector machine for high-dimensional imbalanced data
        Yugo Nakayama
        Communications in Statistics - Simulation and Computation, 04 May 2021, Peer-reviewed
      • Bias-corrected support vector machine with Gaussian kernel in high-dimension, low-sample-size settings
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        Annals of the Institute of Statistical Mathematics, Oct. 2020, Peer-reviewed
      • Support vector machine and optimal parameter selection for high-dimensional imbalanced data
        Yugo Nakayama
        Communications in Statistics - Simulation and Computation, 08 Sep. 2020, Peer-reviewed
      • A test of sphericity for high-dimensional data and its application for detection of divergently spiked noise
        Kazuyoshi Yata; Makoto Aoshima; Yugo Nakayama
        Sequential Analysis, 2019, Peer-reviewed
      • Support vector machine and its bias correction in high-dimension, low-sample-size settings
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        JOURNAL OF STATISTICAL PLANNING AND INFERENCE, Dec. 2017, Peer-reviewed

      Misc.

      • Soft-margin SVMs in the HDLSS context
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        Res. Inst. Math. Sci., Kyoto University, 2019, Lead author
      • A general framework of SVM in HDLSS settings
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        Res. Inst. Math. Sci., Kyoto University, 2018, Lead author
      • Asymptotic properties of support vector machines in HDLSS settings
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        Res. Inst. Math. Sci., Kyoto University, 2017, Lead author
      • 高次元小標本におけるサポートベクターマシンの一致性について (Statistical Inference on Divergence Measures and Its Related Topics)
        中山 優吾; 矢田 和善; 青嶋 誠
        数理解析研究所講究録, Jul. 2016
      • Consistency of SVM in high-dimension, low-sample-size context
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        Res. Inst. Math. Sci., Kyoto University, 2016, Lead author

      Presentations

      • Test for outlier detection by high-dimensional PCA
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        The 5th International Conference on Econometrics and Statistics, 05 Jun. 2022, Invited
      • 高次元主成分スコアに基づく異常値の検出法
        中山優吾; 矢田和善; 青嶋誠
        日本数学会2022年度年会, 31 Mar. 2022
      • 高次元におけるカーネル主成分分析の漸近的性質とその応用
        中山優吾; 矢田和善; 青嶋誠
        多様な高次元モデルの理論と方法論:最前線の動向, 22 Feb. 2022
      • Asymptotic properties of high-dimensional kernel PCA and its applications
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        International Symposium on New Developments of Theories and Methodologies for Large Complex Data, 06 Nov. 2021, Invited
      • High-dimensional data classification based on Gaussian kernel
        中山優吾
        MSJ Autumn Meeting 2021, 16 Sep. 2021, Invited
      • 高次元における重み付き判別分析とデータ変換法について
        中山優吾; 矢田和善; 青嶋誠
        2021年度統計関連学会連合大会, 08 Sep. 2021
      • Clustering by kernel PCA with Gaussian kernel and tuning for high-dimensional data
        Yugo Nakayama; Kazuyoshi; YataMakoto Aoshima
        The 4th International Conference on Econometrics and Statistics, 26 Jun. 2021, Invited
      • 高次元小標本における平均ベクトルのスパース推定
        中山優吾
        応用統計学会2021年度年会, 15 May 2021
      • 高次元におけるカーネル主成分分析の漸近的性質と異常値の検出への応用
        中山優吾; 矢田和善; 青嶋誠
        日本数学会2021年度年会, 2021
      • 高次元データにおける異常値の検出について
        中山優吾; 矢田和善; 青嶋誠
        科研費シンポジウム「機械学習・統計学・最適化の数理とAI技術への展開 」, 19 Dec. 2020
      • 高次元カーネル主成分分析に基づく異常値の検出
        中山優吾; 矢田和善; 青嶋誠
        科研費シンポジウム「大規模複雑データの理論と方法論:最前線の動向と新たな展開」, 04 Dec. 2020
      • Clustering by kernel principal component analysis for high-dimensional data
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        日本数学会 2020年度秋季総合分科会, 22 Sep. 2020
      • Outlier detection in high-dimension, low-sample-size settings
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        2020年度統計関連学会連合大会, 10 Sep. 2020
      • Asymptotic properties of kernel PCA with Gaussian kernel for high-dimensional data
        中山優吾; 矢田和善; 青嶋誠
        科研費「統計学と機械学習の数理と展開」, Sep. 2019
      • Support vector machine and optimal choice of parameters for high-dimensional imbalanced data
        中山優吾
        科研費シンポジウム「多様な分野における統計科学に関する諸問題」, Sep. 2019
      • カーネル主成分分析に基づく高次元データのクラスタリングとチューニング
        中山優吾; 矢田和善; 青嶋誠
        2019年度統計関連学会連合大会, Sep. 2019
      • Bias corrected SVM with the Gaussian kernel in the HDLSS context
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        The 3rd International Conference on Econometrics and Statistics, Jun. 2019
      • Robust support vector machine in the HDLSS context
        中山優吾
        応用統計学会2019年度年会, May 2019
      • カーネル主成分分析に基づく高次元データのクラスタリングについて
        中山優吾; 矢田和善; 青嶋誠
        最尤法とベイズ法, Mar. 2019
      • カーネル主成分分析に基づく高次元データのクラスタリング
        中山優吾; 矢田和善; 青嶋誠
        科研費シンポジウム「予測モデリングとその周辺 -機械学習・統計科学・情報理論からのアプローチ」, Nov. 2018
      • 高次元データにおける固有射影とk近傍法
        中山優吾
        日本数学会 異分野・異業種研究交流会2018, Nov. 2018
      • 高次元におけるk近傍法の漸近的性質とバイアス補正
        中山優吾
        第35回情報論的学習理論と機械学習(IBISML)研究会, Nov. 2018
      • 主成分スコアに基づく高次元データのクラスタリング について
        中山優吾; 矢田和善; 青嶋誠
        2018年度統計関連学会連合大会, Sep. 2018
      • Bias correction of support vector machine for high-dimensional data
        Yugo Nakayama
        The 5th Institute of Mathematical Statistics Asia Pacific Rim Meeting, Jun. 2018
      • Robust support vector machines for high-dimensional data
        中山優吾
        日本数学会 2018年度秋季総合分科会, Mar. 2018
      • 高次元データにおける非線形SVMについて
        中山優吾; 矢田和善; 青嶋誠
        Statistical Inference and Modelling, Mar. 2018
      • SVM with Gaussian kernel: Bias correction and tuning parameter for high-dimensional data
        中山優吾
        第12回日本統計学会春季集会, Mar. 2018
      • Asymptotic properties of SVM with Gaussian kernel for high-dimensional data
        中山優吾; 矢田和善; 青嶋誠
        科研費シンポジウム「生命・自然科学における複雑現象解明のための統計的アプローチ」, Feb. 2018
      • 高次元データにおけるサポートベクターマシンとバイアス補正について
        中山優吾
        日本数学会 異分野・異業種研究交流会2017, Nov. 2017
      • Asymptotic properties of support vector machines in high-dimension, low-sample-size settings
        中山優吾; 矢田和善; 青嶋誠
        日本数学会2017年度秋季総合分科会, Sep. 2017
      • 高次元データにおけるバイアス補正非線形SVMについて
        中山優吾; 矢田和善; 青嶋誠
        2017年度統計関連学会連合大会, Sep. 2017
      • 高次元小標本におけるSVMについて
        中山優吾; 矢田和善; 青嶋誠
        Bayes Inference and Its Related Topics, Mar. 2017
      • 高次元小標本におけるバイアス補正SVM
        中山優吾; 矢田和善; 青嶋誠
        科研費シンポジウム「統計的モデリングと計算アルゴリズムの数理と展開」, Feb. 2017
      • 高次元小標本におけるサポートベクターマシンの漸近的性質とバイアス補正
        中山優吾; 矢田和善; 青嶋誠
        2016年度統計関連学会連合大会, Sep. 2016
      • 高次元小標本におけるサポートベクターマシンの一致性について
        中山優吾; 矢田和善; 青嶋誠
        Statistical Inference on Divergence Measures and Its Related Topics, Mar. 2016

      External funds: Kakenhi

      • 深層学習の数学的原理:高次元統計解析との接点の解明
        Grant-in-Aid for Early-Career Scientists
        Basic Section 12040:Applied mathematics and statistics-related
        Kyoto University
        中山 優吾
        From 01 Apr. 2021, To 31 Mar. 2026, Granted
        高次元データ;高次元統計解析;深層学習;高次元小標本;機械学習
      • High-dimension, low-sample-size asymptotic theory for nonlinear feature selection
        Grant-in-Aid for Research Activity Start-up
        0201:Algebra, geometry, analysis, applied mathematics,and related fields
        Kyoto University
        中山 優吾
        From 11 Sep. 2020, To 31 Mar. 2022, Granted
        高次元データ;機械学習;非線形;高次元小標本;クラスタリング;外れ値検出;特徴量選択
      • Innovative Developments of Theories and Methodologies for Large Complex Data
        Grant-in-Aid for Scientific Research (A)
        Medium-sized Section 60:Information science, computer engineering, and related fields
        University of Tsukuba
        青嶋 誠
        From 01 Apr. 2020, To 31 Mar. 2025, Granted
        高次元データ;時空間データ;高次元統計解析;深層学習;高次元小標本
      list
        Last Updated :2022/06/24

        Education

        Teaching subject(s)

        • From 01 Apr. 2022, To 31 Mar. 2023
          Applied Mathematics and Physics Laboratory
          9125, Fall, Faculty of Engineering, 4
        • From 01 Apr. 2022, To 31 Mar. 2023
          Seminar on Applied Mathematics and Physics
          9074, Fall, Faculty of Engineering, 2
        • From 01 Apr. 2022, To 31 Mar. 2023
          Applied Mathematics and Physics Laboratory
          9089, Fall, Faculty of Engineering, 2
        • From Apr. 2021, To Mar. 2022
          Applied Mathematics and Physics Laboratory
          Fall, 工学部
        • From Apr. 2021, To Mar. 2022
          Applied Mathematics and Physics Laboratory
          Fall, 工学部
        • From Apr. 2021, To Mar. 2022
          Seminar on Applied Mathematics and Physics
          Fall, 工学部
        • From Apr. 2021, To Mar. 2022
          Exercise on Programming
          Spring, 工学部
        • From Apr. 2021, To Mar. 2022
          Exercise on Programming
          Spring, 工学部

        ページ上部へ戻る