Faculty Profiles - FURUKAWA Tetsuo

Conference Prsentations (Oral, Poster) -

Division display1 - 20 of about 136／ All the affair displays >>

Simultaneous Meta- modeling of Dynamics and Kinematics based on the Hierarchical Manifold Modeling

Daiki Tanka, Hideaki Ishibashi and Tetsuo Furukawa

第3回ニューロモルフィックAIハードウェア国際シンポジウム 2022.03 ニューロモルフィックAIハードウェア研究センター

Meta-modeling of manifold models for dynamical systems through biased optimal transport distance minimization

Seitaro Nakashima, Hideaki Ishibashi, andTetsuoFurukawa

第3回ニューロモルフィックAIハードウェア国際シンポジウム 2022.03 ニューロモルフィックAIハードウェア研究センター

Sparse approximation of unsupervised kernel regressionfor large scale relational data

KazukiMiyazaki and Hideaki Ishibashi and Tetsuo Furukawa

第3回ニューロモルフィックAIハードウェア国際シンポジウム 2022.03 ニューロモルフィックAIハードウェア研究センター

Scalable manifold modeling by Nadaraya-Watson kernel regression

Kazuki Miyazaki, Shuhei Takano, Ryo Tsuno, Hideaki Ishibashi, Tetsuo Furukawa

The 15th International Conference on Innovative Computing, Information and Control

Event date： 2021.09.15 - 2021.09.16 Language：English

The purpose of this study is to develop a method for scalable manifold modeling. A popular method using Gaussian process regression requires a computational cost of the cubic order for data size, which does not afford to apply large-scale datasets. We aim to achieve the linear order in computational cost using Nadaraya-Watson kernel regression and its sparse approximation instead of using the Gaussian process regression. The proposed method also enables us to leverage mini-batch or parallel processing for further acceleration. In this report, we introduce the proposed method and show some experimental results.

Fashion outfit retrieval via hashtag search and visually-assisted browsing on jointed manifold models

Shuri Hirowatari, Takuro Ishida, Tohru Iwasaki, Tetsuo Furukawa

The 15th International Conference on Innovative Computing, Information and Control

Event date： 2021.09.15 - 2021.09.16 Language：English

In the fashion domain, the demand for outfit retrieval on social media and e-commerce sites is increasing. The most popular approach to this is searching outfits by hashtags, which has several limitations. First, users do not always know appropriate hashtags for their search intention. Second, the hashtags given by posters are usually incomplete and inconsistent. Finally, it is not easy to browse when a large number of outfits share a hashtag. The purpose of this study is to develop a method for visually-assisted fashion outfit retrieval. Specifically, the method enables users to search outfits via visually arranged hashtags in the two-dimensional space, namely, the tag map, and browse outfits visually arranged in the outfit map. For this purpose, we use an approach where jointed manifolds in style and hashtag spaces model the outfit data. In this report, we introduce the proposed method and some demonstrations of the developed system.

What is the true objective of multi-task manifold modeling? -- Comparison of maximum likelihood and optimal transport approaches --

Ryo Tsuno, Hideaki Ishibashi, Tetsuo Furukawa

Technical Committee on Neurocomputing

Unsupervised Kernel Regression with Landmarks for Large Relational Data ～ Toward Visual Analytics Method for Complex Relational Data ～

高野修平, 津野龍, 野口科瑞稀, 宮崎一希, 古川徹生

ニューロコンピューティング研究会電子情報通信学会

Event date： 2021.01.21 - 2021.01.22 Language：English

本研究の目的は，大規模関係データの非線形モデリングおよび視覚的解析の手法を開発することである．関係データでは小規模の解析対象であってもデータが大規模化しやすいため，高速かつ効率の良い計算手法が不可欠である．本研究では教師なしカーネル回帰を関係データに拡張するとともに，潜在空間にランドマークを導入してスパース近似を行った．これにより，データ数に対し線形な計算オーダーが実現できた．われわれの目的は大規模な複合関係データを対話的・視覚的に解析する汎用的なvisual analyticsの手法を開発することであり，本提案法はその基盤となるものである．

Visualization of document-word relation by modeling their joint probability on latent spaces

Takuro Ishida, Keisuke Yoneda, Hajime Hatano, Tetsuo Furukawa

Event date： 2020.01.23 - 2020.01.25 Language：Japanese

The aim of this work is to visualize the relation of documents and words by embedding them to the product space of latent spaces. To achieve the task, the proposed method models the simultaneous probability of documents and words as the one on the product latent spaces. We applied the method to visualize the conference papers of NeurIPS and showed how it visualize the document set.

Visualization of children's interactions in the group discussion by Tensor SOM

Keisuke Kusumoto, Keiichi Horio, Tetsuo Furukawa

Optimal Transport based Autoencoder for class and style Disentanglement

Florian Tambon, Tetsuo Furukawa

Visualization tool for basketball team performance by multi-level SOM

Kanta Senoura, Hideaki Ishibashi, Tetsuo Furukawa

Event date： 2020.01.23 - 2020.01.25 Language：Japanese

The purpose of this work is to develop a method to visualize the relation between the team performance and the member composition. The proposed method employs Multi-Level Self-Organizing Map (SOM) to analyze both at the member level and at the team level, and then their relation is modeled by regression. The proposed method was applied to the game data of National Basketball Association.

Visualization of Relational data by Embedding to Direct Product Space

Kazuki Miyazaki, Ryuji Watanabe, Tetsuo Furukawa

Event date： 2020.01.23 - 2020.01.25 Language：Japanese

The aim of this work is to develop a modeling method of relational data. Relational data is a dataset observed obtained from object pairs belonging to several domains. The task of the proposed method is to embed the objects into the direct product latent spaces, each of which is corresponding to the domain. In this work, we employed the kernel soother to represent the product manifold, and it estimates the latent variables by a non-parametric unsupervised manner.

Visualization of KWM Data by Tensor SOM

Tohru Iwatake, Tetsuo Furukawa

Information Processing Society of Japan

A Multi-task Learning Algorithm using SOM

Technical Committee on Neurocomputing

Tensor SOMの階層化によるマルチグループ解析

江良昌祥

ニューロコンピューティング研究会（NC）電子情報通信学会

Event date： 2018.01.26 - 2018.01.27 Language：Japanese

本研究の目的はTensor SOMをマルチグループ解析へ拡張することである．すなわち複数グループから得られたテンソルデータに対し，グループごとにテンソル解析するとともに，グループ間の解析も行う手法の開発である．本研究ではテンソルSOMと高階SOMを組み合わせることでマルチグループテンソル解析を実現した．さらに提案手法を実データに応用し，異なる属性を持つグループ間の類似関係を可視化するとともに，異なるグループ間で共通する因子を持つメンバーの発見が可能になることを示した．

Reward Design Method Adapting to Agents' Learning Ability based on Self-Organizing Map with Evaluation Value

Proceedings of the Fuzzy System Symposium

Multi Layered Self-Organizing Map Propagating Semantic Information and its Application to Shape Clustering

Proceedings of the Fuzzy System Symposium

非負カーネル平滑化による連続潜在変数モデルの試み

石橋英明

ニューロコンピューティング研究会（NC）電子情報通信学会

Event date： 2017.11.24 - 2017.11.25 Language：Japanese

連続潜在変数モデルは次元削減法の一種であり，高次元データから低次元の潜在変数を推定するとともに，データが分布する多様体を同時推定する．本研究の目的は (1) 連続潜在変数モデルをユークリッド空間から確率モデル空間に一般化することを通して，(2) 連続潜在線数モデルの理論を構築するとともに，(3) 理論に基づいた新たなアルゴリズムを開発することである．本研究では潜在変数の事後分布のガウス性を多様体の滑らかさの指標にすることで，確率モデルを扱ういくつかの困難を解決した．その結果，非負カーネルによる確率的カーネル平滑化の理論を導出できた．本稿ではそのアイデアと構築した理論を紹介するとともに，開発中のアルゴリズムについて報告する．

事後分布推定されたガウス過程間のKLダイバージェンスは有限次元の正規分布間のKLダイバージェンスで評価できる

石橋英明

第20回情報論的学習理論ワークショップ電子情報通信学会情報論的学習理論と機械学習研究会

Event date： 2017.11.08 - 2017.11.11 Language：Japanese

ガウス過程を用いた回帰や次元削減のタスクはガウス過程の事後分布推定として解かれる．本研究ではそのように事後分布推定されたガウス過程間のKLダイバージェンスが有限次元のガウス分布間のKLダイバージェンスで評価できることを示す．この結果から回帰や次元削減をガウス過程を用いて推定したときの結果の類似性を評価できるようになるため，マルチタスク学習などへの利用が期待できる．本研究では一例として，実際にこの結果を用いてガウス過程集合を主成分分析するアルゴリズムを開発した．

Visualization of multi-relational data by combined Tensor SOM

Japan Neural Network Society

　PREV- NEXT 　

<FURUKAWA Tetsuo>

Conference Prsentations (Oral, Poster) -