研究者
J-GLOBAL ID：201601006115240171
更新日: 2025年01月26日 原田 達也
Harada Tatsuya
東京大学 先端科学技術研究センター
東京大学 先端科学技術研究センター について
職名： 教授
競争的資金等の研究課題 (11件)：
- 2020 - 2024 説明可能AIによるトモシンセシス画像診断支援システムの開発
- 2019 - 2023 少数データからの高精度な画像認識アルゴリズムの構築に関する研究
- 2020 - 2022 実世界における知識獲得のための対話システムの構築
- 2012 - 2017 胎児・新生児シミュレーションに基づく初期発達原理とその障害の解明
- 2014 - 2016 大規模データを用いたBag of Visual Wordsからの画像再構成
全件表示
- Motoki Omura, Takayuki Osa, Yusuke Mukuta, Tatsuya Harada. Symmetric Q-learning: Reducing Skewness of Bellman Error in Online Reinforcement Learning. Proceedings of the AAAI Conference on Artificial Intelligence. 2024. 38. 13. 14474-14481
- Kai Katsumata, Duc Minh Vo, Tatsuya Harada, Hideki Nakayama. Soft Curriculum for Learning Conditional GANs with Noisy-Labeled and Uncurated Unlabeled Data. 2024 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV). 2024
- Haruki Abe, Takayuki Osa, Motoki Omura, Jen-Yen Chang, Tatsuya Harada. Latent Space Curriculum Reinforcement Learning in High-Dimensional Contextual Spaces and Its Application to Robotic Piano Playing. Humanoids. 2024. 266-273
- Motoki Omura, Takayuki Osa, Yusuke Mukuta, Tatsuya Harada. Stabilizing Extreme Q-learning by Maclaurin Expansion. RLJ. 2024. 3. 1427-1440
- Yusuke Mori 0001, Hiroaki Yamane, Yusuke Mukuta, Tatsuya Harada. Computational Storytelling and Emotions: A Survey. CoRR. 2022. abs/2205.10967
- 郡司 直之, 樋口 貴之, 安本 晃基, 村岡 宏是, 牛久 祥孝, 原田 達也, 國吉 康夫. 複数の画像特徴とPassive-Aggressiveを用いたfine-grained classification (パターン認識・メディア理解). 電子情報通信学会技術研究報告 : 信学技報. 2013. 112. 495. 25-30
- 金崎 朝子, 稲葉 翔, 牛久 祥孝, 山下 裕也, 村岡 宏是, 原田 達也, 國吉 康夫. 大規模画像データセットを用いたマルチクラス物体検出器の同時学習 物体毎に特化した負例クラスの導入. 研究報告コンピュータビジョンとイメージメディア(CVIM). 2012. 2012. 17. 1-8
- 別所 史浩, 原田 達也, 國吉 康夫. リアルタイムクラウドソーシングとTwitter大規模コーパスを利用した対話システム. 研究報告音声言語情報処理(SLP). 2012. 2012. 13. 1-8
- 金崎 朝子, 原田 達也, 國吉 康夫. 積分特徴と部分空間法を用いた高速三次元物体認識の実データへの適用. 電子情報通信学会技術研究報告. PRMU, パターン認識・メディア理解. 2009. 109. 306. 207-212
- 森武俊, 山西利明, 森下広, 原田達也, 佐藤知正. センシングフロアからの床面圧力分布情報を用いた個人識別. ロボティクスシンポジア予稿集. 2006. 11th
※ J-GLOBALの研究者情報は、researchmapの登録情報に基づき表示しています。 登録・更新については、こちらをご覧ください。
前のページに戻る
