Rchr
J-GLOBAL ID:200901063694786600   Update date: Sep. 28, 2024

Suzuki Joe

スズキ ジョウ | Suzuki Joe
Affiliation and department:
Research field  (5): Statistical science ,  Mathematical informatics ,  Communication and network engineering ,  Algebra ,  Intelligent informatics
Research keywords  (2): 情報セキュリティ ,  データマイニング
Research theme for competitive and other funds  (31):
  • 2022 - 2026 Generalization of LiNGAM for confounding
  • 2018 - 2023 連続変量を含む相互情報量の推定と、グラフィカルモデルの構築への応用
  • 2012 - ベイジアンネットワークの構造学習で、離散と連続の属性が混在する場合
  • 2009 - ベイジアンネットワークの構造学習の一致性に関する研究
  • 2006 - モンテカルロ法における安全な疑似乱数の研究
Show all
Papers (108):
  • Lirui Liu, Joe Suzuki. Learning under singularity: an information criterion improving WBIC and sBIC. Japanese Journal of Statistics and Data Science. 2024
  • Joe Suzuki, Tian-Le Yang. Generalization of LiNGAM that allows confounding. International Symposium on Information Theory. 2024
  • Ryosuke Shimmura, Joe Suzuki. Newton-Type Methods with the Proximal Gradient Step for Sparse Estimation. Oper. Res. Forum. 2024. 5. 2. 27-27
  • Ashraful Islam, Joe Suzuki. Forest construction of Gaussian and discrete variables with the application of Watanabe Bayesian Information Criterion. Behaviormetrika. 2024. 51. 2. 589-616
  • Tian-Le Yang, Kuang-Yao Lee, Kun Zhang, Joe Suzuki. Functional linear non-Gaussian acyclic model for causal discovery. Behaviormetrika. 2024. 51. 2. 567-588
more...
MISC (7):
  • Suzuki Joe. Efficient Bayesian Network Structure Learning for Maximizing the Posterior Probability (特集 「命題論理の充足可能性問題SATと応用技術」および一般). 人工知能基本問題研究会. 2016. 100. 74-79
  • 鈴木 譲, 清水 昌平, 鷲尾 隆. Causal Discovery between Discrete and Continuous Variables. 人工知能基本問題研究会. 2014. 94. 35-40
  • 鈴木 譲, 清水 昌平, 鷲尾 隆. 離散データの因果の同定 : 2値から、多値への一般化について-情報論的学習理論と機械学習. 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報. 2011. 111. 275. 207-212
  • 鈴木譲. ベイジアンネットワークにおける代数幾何. 人工知能学会誌. 2010. Vol. 25, No. 6
  • 鈴木譲. 田中和之「ベイジアンネットワークの統計的推論の数理」. 数理科学. 2010. No. 566
more...
Patents (1):
  • 代数曲線公開鍵暗号化法
Books (21):
  • 渡辺澄夫ベイズ理論100問with Python/Stan
    共立出版 2024 ISBN:9784320125155
  • WAIC and WBIC with Python Stan: 100 Exercises for Building Logic
    Springer 2023
  • WAIC and WBIC with R Stan 100: Exercises for Building Logic
    Springer 2023
  • 渡辺澄夫ベイズ理論100問with R/Stan
    共立出版 2023 ISBN:9784320125148
  • Kernel methods for machine learning with Math and Python : 100 exercises for building logic
    Springer 2022 ISBN:9789811904004
more...
Lectures and oral presentations  (9):
  • E-learning Design and Development for Data Science in Osaka University
    (2017)
  • Conditional Mutual Information Estimation and its application to Conditional Independence Detection
    (2017)
  • Structure Learning of Bayesian Networks with p Nodes from n Samples when n<<p
    (2016)
  • 確率的グラフィカルモデルにおける構造学習
    (2015)
  • The MDL principle for arbitrary data:either discrete or continuous or none of them
    (2013)
more...
Works (18):
  • R言語 パッケージ BNSL
    鈴木譲 川原純 2017 -
  • ベイジアンネットワークの構造学習の一致性に関する研究
    2009 -
  • 代数曲線暗号に対するGHSアタックから安全性を確保する
    2006 -
  • モンテカルロ法における安全な疑似乱数の研究
    2005 -
  • 確率と論理に関するワークショップ的研究
    2004 -
more...
Professional career (1):
  • (BLANK)
Work history (15):
  • 2017/04 - 現在 大阪大学 大学院基礎工学研究科 教授
  • 2017/04/01 - 現在 Osaka University Graduate School of Engineering Science Department of Systems Innovation Professor
  • 2007/04/01 - 2017/03/31 Osaka University Graduate School of Science Department of Mathematics Associate Professor
  • 2007/04 - 2016/03 Associate Professor, Osaka University
  • 1998/04/01 - 2007/03/31 Osaka University Graduate School of Science Department of Mathematics Associate Professor
Show all
Committee career (2):
  • 2004 - 人工知能学会基本問題研究会 幹事
  • 1998 - 情報理論とその応用学会 理事
Awards (2):
  • 2023/08 - 日本行動計量学会 杉山明子賞(出版賞)
  • 2019/08 - 日本行動計量学会 林知己夫賞(優秀賞)
Association Membership(s) (6):
日本計算機統計学会 ,  日本数学会 ,  人工知能学会(Japan Society of Artificial Intelligence) ,  AAAI (American Association for Artificial Intelligence) ,  日本統計学会 ,  日本行動計量学会
※ Researcher’s information displayed in J-GLOBAL is based on the information registered in researchmap. For details, see here.

Return to Previous Page