武石啓成

タケイシヨシナリ | Takeishi Yoshinari

所属機関・部署：
職名：助教
ホームページURL (1件)： https://www.me.inf.kyushu-u.ac.jp/~takeishi/index.html

研究分野 (4件)：通信工学 , 情報学基礎論 , 情報セキュリティ , 数理情報学

研究キーワード (5件)：深層学習 , 機械学習 , 情報理論 , 符号理論 , サイバーセキュリティ

競争的資金等の研究課題 (2件)：

2023 - 2028 Fisher情報行列と記述長最小原理に基づく深層学習の理論と実践
2023 - 2023 Deep learning by the stochastic gradient descent with stabilizer and its application

論文 (22件)：

武石啓成, 竹内純一. 単純なReLUネットワークにおけるタイトなリスク上界をもつMDL推定量の構成. 電子情報通信学会技術研究報告. 2024. 123. 423. 368-373
西中川司, 武石啓成, 竹内純一. MR画像分類における腫瘍の位置情報の有用性評価. 電子情報通信学会技術研究報告. 2024. 123. 410. 21-28
Masazumi Iida, Yoshinari Takeishi, Siyang Wang, Jun'ichi Takeuchi. Stabilization and Acceleration of Stochastic Gradient Descent Based on Eigenvalue Decomposition of the Fisher Information Matrix. 電子情報通信学会技術研究報告. 2023. 123. 311. 13-17
Yoshinari Takeishi, Masazumi Iida, Jun’ichi Takeuchi. Approximate spectral decomposition of Fisher information matrix for simple ReLU networks. Neural Networks. 2023. 164. 691-706
武石啓成. スパース重ね合わせ符号の理論と実用化に向けた工夫. 電子情報通信学会基礎・境界ソサイエティ Fundamentals Review. 2023. 17. 1. 52-58

講演・口頭発表等 (10件)：

Stabilizers for the stochastic gradient descent method with application in deep learning
(MIRAI 2.0 R&I Week 2023 2023)
単純なReLUネットワークにおけるMDL推定量のリスク上界
(第26回情報論的学習理論ワークショップ(IBIS2023) 2023)
スパース重ね合わせ符号の最適性能と効率的復号
(離散数学とその応用研究集会2023 2023)
Characterizing Eigenspaces of Fisher Information Matrix in Simple ReLU Networks
(10th International Congress on Industrial and Applied Mathematics (ICIAM 2023) 2023)
Multimodal Feature Integration for High-Accuracy Network Intrusion Detection
(International Conference on Computer Applications and Information Security (ICCAIS) 2023)

学歴 (3件)：

経歴 (2件)：

委員歴 (1件)：

受賞 (2件)：

所属学会 (2件)：

IEEE , 電子情報通信学会

※　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。

武石 啓成