単一データセットの学習ではなく，複合するさまざまなデータの集合体から高次の知識やモデルを獲得することが望まれています。そうした高次知識の獲得について２つの視点からお話しします。ひとつめのメタモデリングは，類似するさまざまな学習タスクの集合から高次モデルを獲得し，タスク間で知識を転移したり，新規のタスクを生成したりすることを可能にするものです．メタモデリングによりタスク間で知識転移や新規タスクの予測が可能になります．一方，生成的ビジュアルアナリティクスは，複雑な構造を持つ複合データの生成モデルを学習することを通して，ユーザーと協働して知識発見を行ったり，ユーザーの意思決定を支援したりします．これらの手法は，過去のデータから高次知識を獲得することにとどまらず，新規システムを生成しや新規状況の予測を通する上でも重要です．

講師

古川 徹生 先生
九州工業大学　大学院生命体工学研究科 人間知能システム工学専攻 教授

日時

2022年10月4日（火）13:00～17:30（12:40より受付開始）
※古川先生の講義は、13:00～14:10です。

場所

オンライン講義←ハイブリッド開催より変更になりました

入館方法

JA共済ビルのエントランスフロアで受付を済ませてから、左側のエレベーターにて9階までお越しください。応用脳科学アカデミーの案内看板が掲示されています。
そちら側よりご入室いただきますと、右側奥に応用脳科学アカデミー受付（臨時設置）がございます。

お問い合せ先

本アカデミーに関するご質問等は、「各種お問い合わせフォーム」より、お問い合わせください。

講師紹介

古川 徹生（ふるかわ てつお）先生

現職

• 九州工業大学 大学院生命体工学研究科 人間知能システム工学専攻 教授

経歴

1989年　大阪大学大学院基礎工学研究科前期課程修了
同年　　　九州工業大学情報工学部制御システム工学科助手
1998年　博士（工学）大阪大学
2004年　同大学院生命体工学研究科脳情報専攻（現・人間知能システム工学専攻）助教授
2006年　同教授

研究概要

高次元データの多様体モデリング理論と，それに基づくメタモデリングの研究，とりわけ複数の学習タスクを通して，高次知識の形成・獲得の数理とアルゴリズム開発に取り組んでいます．またその応用として，ユーザーと双方向的インタラクションから知識発見・意思決定を支援する視覚的情報検索・探索システムの研究にも取り組んでいます．

主な業績

• H. Ishibashi, K. Higa, T. Furukawa, “Multi-task manifold learning for small sample size datasets”, Neurocomputing, 2022
• R. Watanabe, H. Ishibashi, T. Furukawa, “Visual analytics of set data for knowledge discovery and member selection support”, Decision Support Systems, 2022
• H. Ishibashi, T. Furukawa, “Hierarchical Tensor SOM Network for Multilevel–Multigroup Analysis”, Neural Processing Letters, 2018
• T. Iwasaki, T. Furukawa, “Tensor SOM and tensor GTM: Nonlinear tensor analysis by topographic mappings”, Neural Networks, 2016
• T. Furukawa, “SOM of SOMs”, Neural Networks, 2009

• K. Tokunaga, T. Furukawa, “Modular network SOM”, Neural Networks, 2009