教育研究活動データベース

日本語に切り替えるswitch to english

中山 優吾

ナカヤマ ユウゴ

情報学研究科 システム科学専攻システム構成論講座 助教

中山 優吾
list
    Last Updated :2022/11/23

    基本情報

    学部兼担

    • 工学部

    所属学協会

    • 日本統計学会
    • 日本数学会

    学位

    • 修士(理学)(筑波大学)
    • 博士(理学)(筑波大学)

    経歴

    • 自 2020年04月
      京都大学, 大学院情報学研究科, 助教

    ID,URL

    researchmap URL

    list
      Last Updated :2022/11/23

      研究

      研究キーワード

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

      研究分野

      • 情報通信, 統計科学

      論文

      • 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, 2021年06月, 査読有り
      • Robust support vector machine for high-dimensional imbalanced data
        Yugo Nakayama
        Communications in Statistics - Simulation and Computation, 2021年05月04日, 査読有り
      • 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, 2020年10月, 査読有り
      • Support vector machine and optimal parameter selection for high-dimensional imbalanced data
        Yugo Nakayama
        Communications in Statistics - Simulation and Computation, 2020年09月08日, 査読有り
      • 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年, 査読有り
      • 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, 2017年12月, 査読有り

      MISC

      • Soft-margin SVMs in the HDLSS context
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        京都大学数理解析研究所講究録, 2019年, 筆頭著者
      • A general framework of SVM in HDLSS settings
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        京都大学数理解析研究所講究録, 2018年, 筆頭著者
      • Asymptotic properties of support vector machines in HDLSS settings
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        京都大学数理解析研究所講究録, 2017年, 筆頭著者
      • 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, 2016年07月
      • 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
        京都大学数理解析研究所講究録, 2016年, 筆頭著者

      講演・口頭発表等

      • Multiple outlier detection test with PCA in high-dimension, low-sample-size settings
        中山優吾; 矢田和善; 青嶋誠
        2022年度統計関連学会連合大会, 2022年09月05日
      • Test for outlier detection by high-dimensional PCA
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        The 5th International Conference on Econometrics and Statistics, 2022年06月05日, 招待有り
      • 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, 2022年03月31日
      • 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, 2022年02月22日
      • 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, 2021年11月06日, 招待有り
      • ガウシアンカーネルに基づく高次元データの分類問題
        中山優吾
        日本数学会2021年度秋季総合分科会, 2021年09月16日, 招待有り
      • 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, 2021年09月08日
      • Clustering by kernel PCA with Gaussian kernel and tuning for high-dimensional data
        Yugo Nakayama; Kazuyoshi Yata; Makoto Aoshima
        The 4th International Conference on Econometrics and Statistics, 2021年06月26日, 招待有り
      • 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, 2021年05月15日
      • 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年
      • 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 」, 2020年12月19日
      • 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」, 2020年12月04日
      • Clustering by kernel principal component analysis for high-dimensional data
        中山優吾; 矢田和善; 青嶋誠
        日本数学会 2020年度秋季総合分科会, 2020年09月22日
      • 高次元小標本における異常値の検出
        中山優吾; 矢田和善; 青嶋誠
        2020年度統計関連学会連合大会, 2020年09月10日
      • 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」, 2019年09月
      • 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」, 2019年09月
      • 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, 2019年09月
      • 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, 2019年06月
      • Robust support vector machine in the HDLSS context
        中山優吾
        応用統計学会2019年度年会, 2019年05月
      • 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, 2019年03月
      • 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」, 2018年11月
      • 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, 2018年11月
      • 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, 2018年11月
      • 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, 2018年09月
      • Bias correction of support vector machine for high-dimensional data
        Yugo Nakayama
        The 5th Institute of Mathematical Statistics Asia Pacific Rim Meeting, 2018年06月
      • 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, 2018年03月
      • 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, 2018年03月
      • 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, 2018年03月
      • 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」, 2018年02月
      • 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, 2017年11月
      • 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, 2017年09月
      • 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, 2017年09月
      • 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, 2017年03月
      • 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」, 2017年02月
      • 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, 2016年09月
      • 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, 2016年03月

      外部資金:科学研究費補助金

      • 深層学習の数学的原理:高次元統計解析との接点の解明
        若手研究
        小区分12040:応用数学および統計数学関連
        京都大学
        中山 優吾
        自 2021年04月01日, 至 2026年03月31日, 交付
        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
      • 非線形特徴量選択に関する高次元小標本漸近論
        研究活動スタート支援
        0201:代数学、幾何学、解析学、応用数学およびその関連分野
        京都大学
        中山 優吾
        自 2020年09月11日, 至 2022年03月31日, 交付
        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
      • 大規模複雑データの理論と方法論の革新的展開
        基盤研究(A)
        中区分60:情報科学、情報工学およびその関連分野
        筑波大学
        青嶋 誠
        自 2020年04月01日, 至 2025年03月31日, 交付
        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 :2022/11/23

        教育

        担当科目

        • 自 2022年04月01日, 至 2023年03月31日
          数理工学実験
          9125, 後期, 工学部, 4
        • 自 2022年04月01日, 至 2023年03月31日
          数理工学セミナー
          9074, 後期, 工学部, 2
        • 自 2022年04月01日, 至 2023年03月31日
          数理工学実験
          9089, 後期, 工学部, 2
        • 自 2021年04月, 至 2022年03月
          数理工学実験(数理:H25以前入学者)
          後期, 工学部
        • 自 2021年04月, 至 2022年03月
          数理工学実験(数理:H26以降入学者)
          後期, 工学部
        • 自 2021年04月, 至 2022年03月
          数理工学セミナー(数理)
          後期, 工学部
        • 自 2021年04月, 至 2022年03月
          プログラミング演習(数理:H30以前入学者)
          前期, 工学部
        • 自 2021年04月, 至 2022年03月
          プログラミング演習(数理:H31以降入学者)
          前期, 工学部

        ページ上部へ戻る