Copyright (c) of
The University of Tokyo.
All rights reserved.

Last updated: Dec. 2019

Japanese English

東京大学大学院情報理工学系研究科 数理情報学専攻 山西健司のウェブサイトです。

山西健司プロフィール 研究分野 研究内容の詳細 著作 論文・講演 学会・専門活動 リンク

研究分野|学習数理情報学

機械が学習するということはどういうことか? これを「情報量」、「データ圧縮」という視点から解き明かし、データマイニングといった現実問題の中で活かしていくことがテーマです。

私が学習理論を発展させる上での哲学は、「学習するということは、データを最も圧縮するための表現を見つけることに他ならない」というものです。これを科学的に形式化したものがMinimum Description Length原理(MDL Principle)です。

学習数理情報学における両輪(下図参照)

理論研究:情報論的学習理論/計算論的学習理論/情報理論/統計的推論/Latent Dymanics
応用研究:機械学習/データマイニング(異常検出/ネットワークマイニング)/テキストマイニング

学習数理情報学における両輪

⇒ 研究内容の詳細

■ 確率的知識の学習理論の研究

■ 確率的コンプレキシティの拡張と機械学習応用の研究

⇒ 情報論的学習理論

■ データ・テキストマイニングの研究

異常検知:

技術: 外れ値検出/変化点検出・異常行動検出/集合型異常検知/隠れ変数マイニング
ビジネス領域: セキュリティ/詐欺検出/不審行動検出/製造業における障害検知/セットワーク障害検出

知識構造化:

技術: テキスト分類/トピック分析/自由記述アンケート分析
事業領域: CRM(Customer Relationship Management)/ナレッジマネジメント/ CGM(Consumer Generated Medias)分析

■ ビッグデータ解析の研究

⇒ 複雑データからのディープナレッジの発見と価値化

基礎理論:

潜在構造最適化、潜在的ダイナミクス

応用:

マーケティング、交通リスクマイニング、ヘルスケア


■ 計算論的眼科学の研究

緑内障進行予測、ヘテロデータを用いた緑内障診断

■ 予兆情報学の研究

  潜在的構造変化予兆の検知理論、経済・医学への展開