古川 徹生 (フルカワ テツオ)

FURUKAWA Tetsuo

写真a

職名

教授

研究室住所

福岡県北九州市若松区ひびきの2-4

研究分野・キーワード

自己組織化マップ,モジュラーネットワーク,脳内モデル,自律行動ロボット

メールアドレス

メールアドレス

研究室電話

093-695-6124

ホームページ

http://www.brain.kyutech.ac.jp/~furukawa

出身大学院 【 表示 / 非表示

  • 1989年03月  大阪大学  基礎工学研究科  修士課程・博士前期課程  修了  日本国

取得学位 【 表示 / 非表示

  • 大阪大学 -  博士(工学)  1998年10月

学内職務経歴 【 表示 / 非表示

  • 2014年04月
    -
    継続中

    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  

  • 2006年04月
    -
    2014年03月

    九州工業大学   大学院生命体工学研究科   脳情報専攻   教授  

 

論文 【 表示 / 非表示

  • Space-And-Cost-Efficient Neural Control /Sensory Element Using an Analog FPGA

    Kobayashi F., Furukawa T.

    Proceedings of 2019 International Conference on System Science and Engineering, ICSSE 2019      71 - 74   2019年07月  [査読有り]

     概要を見る

    © 2019 IEEE. As neural networks are applied to control and sensory, software neuron models cannot sometimes fulfill speed requirement as well as simple add-And-sigmoid is not enough for functionality. This paper proposes a small and inexpensive hardware neuron based on FitzHugh-Nagumo model. By making full use of chip property and maximum circuit packing through placement search, it surpasses the previous implementation by factors of 4 for space and 15 for cost.

    DOI Scopus

  • Tensor self-organizing map for kansei analysis

    Itonaga K., Yoshida K., Furukawa T.

    Proceedings of Joint 10th International Conference on Soft Computing and Intelligent Systems and 19th International Symposium on Advanced Intelligent Systems in conjunction with Intelligent Systems Workshop 2018      796 - 801   2019年05月  [査読有り]

    Japan  Toyama  2018年12月  -  2018年12月

     概要を見る

    © 2018 IEEE. In Kansei analysis, impressions of various objects are commonly measured using evaluation words. When using this approach, it is necessary to examine all combinations of three elements: subjects, objects, and evaluation words. However, the exhaustive analysis required is not an easy task because of the enormous number of combinations. Additionally, if it is necessary to reveal the relationship between the impressions and physical features of objects such as colors or shapes, the number of combinations increases enormously and the task becomes unrealistic. In this paper, we introduce a method called the tensor self-organizing map (TSOM) that visualizes the relationships between the elements. We applied the TSOM to Kansei analysis of landscape images and studied how the impressions were dependent on the subjects. We also investigated the relationships between these subject-dependent impressions and the physical features. Through these experiments, we demonstrate that the TSOM can be a useful tool for Kansei analysis.

    DOI Scopus

  • Distance metric learning for the self-organizing map using a co-training approach

    Yoneda K., Furukawa T.

    Proceeding of ICICIC2018      CD-ROM   2018年12月  [査読有り]

    China 

     概要を見る

    The aim of this work is to develop a method of distance metric learningfor self-organizing maps. We rst conducted an investigation in a multi-view learningsetting, in which Mahalanobis metrics were determined so that two (or more) viewsreached a consensus in latent variable estimation. We examined two approaches of multi-view learning: co-training and ensemble. Although both approaches worked as expected,our results suggested that the co-training approach performed better. We further extendedthe method to a single-view learning setting by introducing the concept of pseudo multi-view learning.

  • Distance metric learning for the self-organizing map using a co-training approach

    Yoneda K., Furukawa T.

    International Journal of Innovative Computing, Information and Control    14 ( 6 ) 2343 - 2351   2018年12月  [査読有り]

     概要を見る

    The aim of this work is to develop a method of distance metric learningfor self-organizing maps. We rst conducted an investigation in a multi-view learningsetting, in which Mahalanobis metrics were determined so that two (or more) viewsreached a consensus in latent variable estimation. We examined two approaches of multi-view learning: co-training and ensemble. Although both approaches worked as expected,our results suggested that the co-training approach performed better. We further extendedthe method to a single-view learning setting by introducing the concept of pseudo multi-view learning.

    DOI Scopus

  • Simultaneous analysis of subjective and objective data using coupled tensor self-organizing maps: Wine aroma analysis with sensory and chemical data

    Yoneda K., Nakano K., Horio K., Furukawa T.

    International Conference on Neural Information Processing    11306 LNCS   24 - 35   2018年12月  [査読有り]

    Cambodia  Siem Reap  2018年12月  -  2018年12月

     概要を見る

    © Springer Nature Switzerland AG 2018. In this paper, we propose a method for simultaneous analysis of subjective and objective data. The method, named coupled tensor self-organizing map (SOM), consists of two tensor SOMs, one of which learns the subjective data while the other learns the objective data. The coupled tensor SOM visualizes the dataset as three maps, namely, one target object map, and two survey item maps corresponding to the subjective and objective data. This method can be further extended to generate extra maps such as a map of attributes. In addition, the coupled tensor SOM also provides an interactive visualization of the relationship between the target objects and the survey items by coloring these three maps. We applied our proposed method to the wine aroma dataset. Our results indicate that this method facilitates an intuitive overview of the dataset.

    DOI Scopus

全件表示 >>

口頭発表・ポスター発表等 【 表示 / 非表示

  • 文書・単語の同時分布モデル化による両者の関係性可視化

    石田琢朗, 米田圭佑, 波田野創, 古川徹生

    ニューロコンピューティング研究会  (宮古島マリンターミナル )  2020年01月  -  2020年01月    電子情報通信学会

     概要を見る

    本研究の目的は, 文書と単語のマップをそれぞれの潜在空間へ埋め込み,かつ両者の関係を可視化すること で文書集合の全体像を可視化する手法の開発である.具体的には,文書と単語の同時分布を潜在変数の同時分布に変 換することで実現する.本研究では NeurIPS2015 に採択された論文データを用いて論文の全体像と各論文の関連性を 可視化した.

  • Tensor SOMを用いたグループディスカッションにおける幼児間のインタラクションの可視化

    楠元啓介, 堀尾恵一, 古川徹生

    ニューロコンピューティング研究会  (宮古島マリンターミナル )  2020年01月  -  2020年01月    電子情報通信学会

     概要を見る

    われわれの目標は幼稚園・保育園における園児の人間関係および社会性の発達状況を可視化することである.本研究ではグループディスカッションにおける園児の行動計測から園児間インタラクションの可視化を試みた.われわれは同型的行動に着目し,同型的行動の先行-追従の頻度をテンソル自己組織化マップで可視化することで園児間インタラクションの可視化を試みた.

  • Optimal Transport based Autoencoder for class and style Disentanglement

    Florian Tambon, Tetsuo Furukawa

    ニューロコンピューティング研究会  (宮古島マリンターミナル )  2020年01月  -  2020年01月    電子情報通信学会

     概要を見る

    The Sinkhorn autoencoder is a novel generative model using optimal transport to model the aggregated posterior from samples, hence discarding traditional reparametrization trick from classical Variational Autoencoder (VAE) and allowing better flexibility of metrics spaces and priors. Yet, one of the down side of all latent space modelling methods is the lack of interpretability and the potential entanglement problem. The aim of this work is to extend the Sinkhorn Autoencoder to better disentangle the latent space by focusing on the class/style separation approach while providing better interpretability and generative capability. Thus, our method would help further expand knowledge regarding optimal transport based generative model.

  • Multi-Level SOMによるメンバー構成に対するチームパフォーマンスの可視化

    瀨野浦貫太, 石橋英朗, 古川徹生

    ニューロコンピューティング研究会  (宮古島マリンターミナル )  2020年01月  -  2020年01月    電子情報通信学会

     概要を見る

    本研究の目的はメンバー構成に対するチームパフォーマンスを可視化する手法の開発である.提案手法ではMulti-Level Self-Organizing Map (SOM) を用いてメンバーレベル,チームレベルの同時解析を行い,チームがどのようなメンバーで構成されているのかを可視化すると同時に,推定したチームの潜在変数を入力とする回帰分析によってメンバー構成とパフォーマンスの関係をモデル化する.本研究ではNational Basketball Association (NBA) が公開している選手データ,試合データの解析・可視化を行うことでその有用性を示す.

  • 関係データの直積空間への埋め込みによる可視化

    宮崎一希, 渡辺龍二, 古川徹生

    ニューロコンピューティング研究会  (宮古島マリンターミナル )  2020年01月  -  2020年01月    電子情報通信学会

     概要を見る

    本研究の目的は関係データのモデリングおよび可視化を行う手法の開発である.関係データは複数ドメインのオブジェクト組から観測されたデータである.ドメインごとに対応する潜在空間へオブジェクトを埋め込む,すなわち潜在空間の直積空間へデータを埋め込むことが提案手法の目的である.本稿ではカーネル平滑化を用いたノンパラメトリックな多様体モデリングを提案する.

全件表示 >>

報道関係 【 表示 / 非表示

  • 未来開拓力培う博士教育 九工大大学院注目集める「出稽古教育システム」

    西日本新聞  2008年03月30日

    古川徹生,夏目季代久

     概要を見る

    魅力ある大学院教育イニシアティブ, 大学院GP, 出稽古, 道場, 教育制度

学術関係受賞 【 表示 / 非表示

  • 2019年度日本知能情報ファジィ学会論文賞

    2019年12月   日本知能情報ファジィ学会   自己組織化マップによるマルチビュー関係データの包括的可視化   日本国

    受賞者:  米田圭佑, 中野貴理博, 堀尾恵一, 古川徹生

     概要を見る

    本研究の目的は,マルチビュー関係データの全体像を包括的に可視化するSOMの開発である.これを実現するため,われわれはco-trainingによるメトリック推定法を導入することでSOMをマルチビューデータに拡張し,全ビューに共通する因子の推定を可能にした.これはSOMによる正準相関分析の非線形拡張になっている.さらに開発した学習アルゴリズムをテンソルSOMに組み込み,マルチビュー関係データの全体像を可視化するCCA型テンソルSOMを開発した.CCA型テンソルSOMをワインデータ解析に応用し,アロマデータと香気成分データを融合して可視化を行った.さらにワイン・アロマ・香気成分の三者の関係性を可視化することを通して,その有用性を示した.

  • SCIS&ISIS2018 with ISWS2018 Poster Session Award

    2018年12月12日   SCIS&ISIS2018   日本国

    受賞者:  Kaido Iwamoto, Tohru Iwasaki, Tetsuo Furukawa

  • IEEE-young award

    2016年09月01日   IEEE   日本国

    受賞者:  岩崎亘, 古川徹生

  • IEEE Computational Intelligence Society Japan Chapter Young Researcher Award

    2015年03月16日   IEEE CISJ   Tensor SOM Networkによる複合テンソルデータの可視化と情報伝播   日本国

    受賞者:  戸島悠貴, 古川徹生

     概要を見る

    マルチモードデータ(関係データ)は一般にテンソルとして表現される.テンソルデータの解析では,個々のモードについての解析のみならず,モード間の関係性も解析する必要がある.実際のデータ解析では,複数のテンソルデータが一部のモードを共有結合することでより大きなデータ複合体を形成することがしばしば生じる.この場合は複数のテンソルデータを跨いだモード間解析も必要となり,解析がさらに困難になる.本研究の目的は複合テンソルデータの全体像を把握する可視化法の開発である.本研究では複数のTensor SOMを結合したTensor SOM Networkを構築し,さらにTensor SOM間の情報伝播法を開発することで複合テンソルデータの可視化を実現した.

科研費獲得実績 【 表示 / 非表示

  • 多様なダイナミクスを学び,理解し,生み出す学習理論の新展開

    新学術領域研究

    研究期間:  2012年04月  -  2014年03月

    研究課題番号:  24120711

  • 経験から高次知識を自己組織化する学習理論

    基盤研究(C)

    研究期間:  2011年04月  -  2014年03月

    研究課題番号:  23500280

  • 多様なダイナミクスを学び、理解し、生み出すための学習理論

    新学術領域研究

    研究期間:  2010年04月  -  2012年03月

    研究課題番号:  22120510

  • マルチメディア教材を用いた英語リズム学習過程における脳内変化と学習ロボットの開発

    基盤研究(B)

    研究期間:  2005年04月  -  2008年03月

    研究課題番号:  17300270

  • 自己組織化マップの一般化理論とその応用:理論の確立から実用化まで

    基盤研究(C)

    研究期間:  2005年04月  -  2008年03月

    研究課題番号:  17500193

全件表示 >>

 

担当授業科目 【 表示 / 非表示

  • 2018年度  機械学習基礎1A

  • 2018年度  機械学習基礎1B

  • 2018年度  数学基礎演習

  • 2018年度  数学基礎1

  • 2016年度  パターン認識と学習理論

全件表示 >>