こちら - 河原吉伸

平成 27 年 9 月 29 日
研究業績リスト
河原吉伸
• 学術雑誌 (原著論文．各分野のトップジャーナルには**印，その他主要なジャーナルには*印)
1. Nagata, K., Kawahara, Y., Washio, T. & Unami, A., “Toxicogenomic Predictive Model
with Group Sparse Regularization Based on Transcription Factor Network Information,”
Fundamental Toxicological Sciences, Vol.2, No.4, pp.161-170, 2015.
* 2. Demeshko, M., Washio, T. & Kawahara, Y., “A novel structural AR modeling approach
for a continuous time linear Markov system,” ACM Transactions on Intelligent Systems
and Technology (TIST) (Accepted)
3. Hirata, T., Kawahara, Y., Yairi, T., Asano, K., Maeda, I., Sasaki, T. & Machida, K., “New
monitoring technique for detecting buckling in the continuous annealing line using canonical correlation analysis,” SICE Journal of Control, Measurement, and System Integration,
Vol.8, No.3, pp.214-220, 2015.
4. Nagata, K., Washio, T., Kawahara, Y. & Unami, A., “Toxicity prediction from Toxicogenomic data based on class association rule mining,” Toxicology Reports, Vol.1, pp.1133–
1142, 2014.
5. Demeshko, M., Dokhane, A., Washio, T., Ferroukhi, H., Kawahara, Y. & Aguirre, C., “Application of continuous and structural ARMA modeling for noise analyses of a BWR coupled core and plant instability event,” Annals of Nuclear Energy, Vol.75, pp.645–657, 2015.
6. Yunzhu, Z., Suematsu, H., Itoh, T., Fujimaki, R., Morinaga, S. & Kawahara, Y., “Scatterplot Layout for High-dimensional Data Visualization,” Journal of Visualization, Vol.11,
No.1, pp.111-119, 2015.
** 7. Azencott, C., Grimm, D., Sugiyama, M., Kawahara, Y. & Borgwardt, K., “Eﬃcient networkguided multi-locus association mapping with graph cuts,” Bioinformatics, Vol.29, No.13,
pp.i171–i179, 2013 (Special Issue: ISMB/ ECCB’13 Proceedings Papers).
* 8. Sogawa, Y., Ueno, T., Kawahara, Y. & Washio, T., “Active learning for noisy oracle via
density power divergence,” Neural Networks, Vol.46, pp.133–143, 2013.
9. 十河康弘, 植野剛, 河原吉伸, 鷲尾隆, “Density Power Divergence を用いたロバスト能動回
帰学習,” 人工知能学会論文誌, Vol.28, No.1, pp.13–21, 2013.
10. Takeda, A., Niranjan, M., Goto, J. & Kawahara, Y., “Simultaneous pursuit of out-of-sample
performance and sparsity in tracking portfolio,” Computational Management Science,
Vol.10, No.1, pp.21–49, 2013.
* 11. Hara, S., Kawahara, Y., Washio, T., von Bunau, P., Tokunaga, T. & Yumoto, K., “Separation of stationary and non-stationary sources with a generalized eigenvalue problem,”
Neural Networks, Vol.33, pp.7–20, 2012.
12. Kawahara, Y. & Sugiyama, M., “Sequential change-point detection based on direct densityratio estimation,” Statistical Analysis and Data Mining, Vol.5, No.2, pp.114–127, 2011.
13. 上甲昌郎, 河原吉伸, 矢入健久, “局所線形モデルのアラインメントによる非線形動的システ
ムの学習法,” 人工知能学会論文誌, Vol.25, No.6, pp.638–648, 2011 (2011 年度人工知能学会
論文賞を受賞).
1
14. 矢入健久, 乾稔, 河原吉伸, 高田昇, “次元削減とクラスタリングによる宇宙機テレメトリ監
視法,” 日本航空宇宙学会論文集, Vol.59, No.691, pp.197–205, 2011.
** 15. Shimizu, S., Inazumi, T., Sogawa, Y., Hyvarinen, A., Kawahara, Y., Washio, T., Hoyer, O. &
Bollen, K., “DirectLiNGAM: A direct method for learning a linear non-Gaussian structural
equation model,” Journal of Machine Learning Research, Vol.12, pp.197–205, 2011.
16. Kawahara, Y., Shimizu, S. & Washio, T., “Analyzing relationships among ARMA processes based on non-Gaussianity of external influences,” Neurocomputing, Vol.74, No.12–
13, pp.2212–2221, 2011.
* 17. Kawahara, Y., Nagano, K. & Okamoto, Y., “Submodular fractional programming for balanced clustering,” Pattern Recognition Letters, Vol.32, No.2, pp.235–243, 2011.
18. 河原吉伸, 矢入健久, 町田和雄, “部分空間法に基づく変化点検知アルゴリズム”, 人工知能学
会論文誌, Vol.23, No.2, pp.76–85, 2008.
19. Inui, M., Kawahara, Y., Goto, K., Yairi, T. & Machida, K., “Adaptive Limit Checking for
Spacecraft Telemetry Data Using Kernel Principal Component Analysis,” Trans. of The
Japan Society for Aeronautical and Space Science and Space Technology, Vol.7, pp.Pf 11Pf 16 (ISTS Special Issue: Selected papers from the 26th Int’l Symp. on Space Technology
and Science), 2008.
20. 河原吉伸, 後藤耕平, 矢入健久, 町田和雄, “逐次モンテカルロ法に基づく宇宙機異常診断法：
パラメータと異常モードのオンライン同時推定によるアプローチ ,” 航空宇宙学会論文集,
Vol.55, No.641, pp.344–354, 2007.
21. 後藤耕平, 河原吉伸, 矢入健久, 町田和雄, “Particle Filter を用いたパラメータ推定による宇
宙機異常検知,” 航空宇宙学会論文集, Vol.55, No.641, pp.355–358, 2007.
22. 河原吉伸, 矢入健久, 町田和雄, “Dynamic Bayesian Networks を用いた宇宙機異常診断法,”
人工知能学会論文誌, Vol.21, No.1, pp.45–54, 2006.
23. 河原吉伸, 津田雄一, 中須賀真一, “多数機フォーメーションフライトの為の連続推力推進に
よる燃料最小誘導則,” 航空宇宙学会論文集, Vol.52, No,601, pp.72–79, 2004.
• 国際会議予稿集（査読あり，特に重要な CS 系会議には**印 (ランク 1) または*印 (ランク 2)）
24. Yamagiwa, S., Kawahara, Y., Tabuchi, N., Watanabe, Y. & Naruo, T., “Skill grouping method:
Providing distance to trained skill exploiting from body movement BigData,” in Proc. of
the 2nd Workshop on Advances in Software and Hardware for Big Data to Knowledge Discovery (ASH), the 2015 IEEE Int’l Conf. on Big Data (IEEE BigData 2015) (Accepted)
* 25. Takeuchi, K., Kawahara, Y. & Iwata, T., “Higher Order Fused Regularization for Supervised Learning with Grouped Parameters,” in Proc. of the 2015 European Conf. on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECMLPKDD’15), pp.577–593, 2015.
26. Hirata, T., Kawahara, Y., Sugiyama, M. & Asano, K., “A fault detection technique for
the steel manufacturing process based on a normal pattern library,” in Proc. of the 9th
IFAC Symp. on Fault Detection, Supervision and Safety for Technical Processes (SafeProcess’15), pp.871–876, 2015.
* 27. Kawahara, Y., Iyer, R. & Bilmes, J.A., “On Approximate Non-submodular Minimization
via Tree-Structured Supermodularity,” in Proc. of 18th Int’l Conf. on Artificial Intelligence
and Statistics (AISTATS’15), pp.444–452, 2015.
** 28. Xin, B., Kawahara, Y., Wang, Y. & Gao, W., “Eﬃcient Generalized Fused Lasso with Application to the Diagnosis of Alzheimer’s Disease,” in Proc. of the 28th AAAI Conf. on
2
Artificial Intelligence (AAAI’14), pp.2163–2169, 2014.
* 29. Sugiyama, M., Azencott, C., Dominik, G., Kawahara, Y. & Borgwardt, K., “Multi-task feature selection with multiple networks via maximum flows,” in Proc. of the 2014 SIAM
Int’l Conf. on Data Mining (SDM’14), pp.199–207, 2014.
** 30. Nagano, K. & Kawahara, Y., “Structured convex optimization under submodular constraints,” in Proc. of the 29th Ann. Conf. on Uncertainty in Artificial Intelligence (UAI’13),
pp.459–468, 2013.
31. Demeshko, M., Washio, T. & Kawahara, Y., “A novel structural AR modeling approach
for a continuous time linear Markov system,” in Proc. of the 2013 IEEE 13th Int’l Conf.
on Data Mining Workshops, pp.104–113, 2013.
32. Suematsu, H., Yunzhu, Z., Itoh, T., Fujimaki, R., Morinaga, S. & Kawahara, Y., ”Lowdimensional parallel coordinates collection for high-dimensional data visualization,” in
Proc. of the 17th Int’l Conf. on Information Visualization (iV’13), pp.59–65, 2013.
** 33. Ueno, T., Hayashi, K., Washio, T. & Kawahara, Y., “Weighted likelihood policy search with
model selection,” in Advances in Neural Information Processing Systems, Vol.25 (Proc. of
NIPS’12), pp.2366–2374, 2012.
34. Sogawa, Y., Ueno, T., Kawahara, Y. & Washio, T., “Robust active learning for linear regression via density power divergence,” in Neural Information Processing, Lecture Notes
in Computer Science, Vol.7665 (Proc. of ICONIP’12), pp.594–602, 2012.
** 35. Kawahara, Y. & Washio, T., “Prismatic algorithm for discrete D.C. programming problem,” in Advances in Neural Information Processing Systems, Vol.24 (Proc. of NIPS’11),
pp.2106–2114, 2011.
** 36. Inazumi, T., Washio, T., Shimizu, S., Suzuki, J., Yamamoto, A. & Kawahara, Y., “Discovering causal structures in binary exclusive-or skew acyclic models,” in Proc. of the 27th
Conf. on Uncertainty in Artificial Intelligence (UAI’11), pp.373–382, 2011.
** 37. Nagano, K., Kawahara, Y. & Aihara, K., “Size-constrained submodular minimization through
minimum norm base,” in Proc. of the 28th Int’l Conf. on Machine Learning (ICML’11),
pp.977–984, 2011.
38. Hara, S., Kawahara, Y., Washio, T. & Bunau, P., “Stationary subspace analysis as a generalized eigenvalue problem,” in Neural Information Processing: Theory and Algorithms,
Lecture Note in Computer Science, Vol.6443 (Proc. of ICONIP’10), pp.422-429, 2010.
** 39. Nagano, K., Kawahara, Y. & Iwata, S, “Minimum average cost clustering,” in Advances in
Neural Information Processing Systems, Vol.23 (Proc. of NIPS’10, Oral (spotlight) paper),
pp.1759–1767, 2010.
40. Joko, M., Kawahara, Y. & Yairi, T., “Learning non-linear dynamical systems by alignment
of local linear models,” in Proc. of the 20th Conf. on Pattern Recognition (ICPR’10),
pp.1084-1087, 2010.
41. Sogawa, Y., Shimizu, S., Kawahara, Y. & Washio, T. ,“An experimental comparison of
linear non-Gaussian causal discovery methods and their variants,” in Proc. of the 2010
Int’l Joint Conf. on Neural Networks (IJCNN’10), pp.768–775, 2010.
42. Yairi, T., Yoshiki, A., Inui, M., Kawahara, Y. & Takata, N., “Spacecraft Telemetry Data
Monitoring by Dimensionality Reduction Techniques,” in Proc. of the SICE 2010 Annual
Conf., pp.1230–1234, 2010.
** 43. Kawahara, Y., Nagano, K., Tsuda, K. & Bilmes, J., “Submodularity cuts and applications,”
3
in Advances in Neural Information Processing Systems, Vol.22 (Proc. of NIPS’09, Oral
(spotlight) paper), pp.916–924, 2009.
** 44. Shimizu, S., Hyvarinen, A., Kawahara, Y. & Washio, T., “A direct method for estimating
a causal ordering in a linear non-Gaussian acyclic model,” in Proc. of the 25th Conf. on
Uncertainty in Artificial Intelligence (UAI’09), pp.506–513, 2009.
* 45. Kawahara, Y. & Sugiyama, M., “Change-point detection in time-series data by direct
density-ratio estimation,” in Proc. of the 2009 SIAM Int’l Conf. on Data Mining (SDM’09),
pp.389-400, 2009.
46. Kawahara, Y., Yairi, T. & Machida, K., “Spacecraft fault diagnosis based on switching
estimation of parameters using sequential Monte Carlo methods,” in Proc. of the 9th
Int’l Symp. on Artificial Intelligence, Robotics and Automation in Space (i-SAIRAS’08),
S4–M09, 2008.
** 47. Kawahara, Y., Yairi, T. & Machida, K., “Change-Point Detection in Time-Series Data
based on Subspace Identification,” in Proc. of the 7th IEEE Int’l Conf. on Data Mining (ICDM’07), pp.559-564, 2007.
** 48. Kawahara, Y., Yairi, T. & Machida, K., “A Kernel Subspace Method by Stochastic Realization for Learning Nonlinear Dynamical Systems,” in Advances in Neural Information
Processing Systems, Vol.19 (Proc. of NIPS’06), pp.665–672, 2007 (NIPS’06 Travel Award
を受賞).
49. Fujiki, R., Tanaka, H., Kawahara, Y., Yairi, T. & Machida, K., “Autonomous Recognition
of Multiple Cable Topology with Image,” in Proc. of the SICE-ICASE Int’l Joint Conf.,
pp.1425–1430, 2006.
50. Sato, Y., Kawahara, Y., Yairi, T. & Machida, K., “Visualization of Spacecraft Data Based
on Interdependency Between Changing Points in Time Series,” in Proc. of the SICEICASE Int’l Joint Conf., pp.3414–3418, 2006.
51. Yairi, T., Kawahara, Y., Fujimaki, R. & Machida, K., “Telemetry-mining: A Machine Learning Approach to Anomaly Detection and Fault Diagnosis for Space Systems,” in Proc. of
the 2nd IEEE Int’l Conf. on Space Mission Challenges for Information Technology (SMCIT’06), pp.466-473, Pasadena, CA, 2006.
52. Takadama, K., Murakami, T. & Kawahara, Y., “Detecting Failure of Spacecraft Using Separated States in Particle Filters,” in Proc. of the 25th Int’l Symp. on Space Technology
and Science (ISTS’06), pp.1437–1442, 2006.
53. Kawahara, Y., Yairi, T. & Machida, K., “Fault Diagnosis for Spacecraft Using Probabilistic
Reasoning and Statistical Learning with Dynamic Bayesian Networks,” in Proc. of the
56th Int’l Astronautical Congress (IAC’05), Safety and Quality in Space Activities Symp.,
IAC-05-D5.2.04, 2005.
54. Kawahara, Y., Yairi, T. & Machida, K., “Diagnosis Method for Spacecraft Using Dynamic
Bayesian Networks,” in Proc. of the 8th Int’l Symp. on Artificial Intelligence, Robotics
and Automation in Space (i-SAIRAS’05), pp.649–656, 2005.
55. Tanaka, H., Kawahara, Y., Yairi, T. & Machida, K., “Design of Cellular Satellites for Reconfigurable Space System Using Orbit Servicing Robots,” in Proc. of the 4th Int’l Conf.
on Advanced Mechtronics (ICAM’04), pp.401–406, 2004.
56. Tanaka, H., Kawahara, Y., Yairi, T. & Machida, K., “Research on Reconfigurable Space
System Using Orbital Servicing Robots and Cellular Satellites,” in Proc. of the 24th Int’l
Symp. on Space Technology and Science (ISTS’04), pp.647–679, 2004.
4
• 招待講演
57. 河原吉伸, “機械学習における劣モジュラ最適化と疎性モデリングへの応用,” チュートリア
ル講演 (招待), 第 59 回システム制御情報学会研究発表講演会 (SCI’15), 2015.
58. Kawahara, Y., “Parametric submodular optimization in machine learning,” Trends in Machine Learning: A Workshop at Kyoto University, 2014 年 3 月.
59. 河原吉伸, “劣モジュラ性を用いた機械学習：入門と最近の話題,” 第 16 回 IBISML 研究会,
2014 年 3 月.
60. 河原吉伸, “劣モジュラ性を用いた構造正則化学習とその応用,” 第 10 回 OR 学会中部支部シ
ンポジウム, 2013 年 9 月.
61. 河原吉伸, “構造正則化学習と劣モジュラ性,” 第 10 回統計的機械学習セミナー, 統計的機械
学習センター (統計数理研究所), 2013 年 3 月.
62. 河原吉伸, “機械学習における組合せ最適化の最近の話題: 離散凸性の利用を中心として,” 日
本オペレーションズ・リサーチ学会関西支部研究実践者交流会, 2012 年 11 月.
63. Kawahara, Y., “Challenges on Combinatorial Computational for Large Data Using Discrete Structures,” CompView Final Symposium, 2011 年 12 月.
64. 鷲尾隆, 稲積孝紀, 清水昌平, 鈴木譲, 山本章博, 河原吉伸, “関数モデル上の統計的因果推論
研究の現状,” 人工知能学会第 83 回基本問題研究会 (SIG-FPAI), 2011 年 11 月.
65. 河原吉伸, “劣モジュラ性を用いた機械学習の新展開,” 第 23 回 RAMP シンポジウム, 2011
年 10 月.
66. 河原吉伸, “正則化による疎表現推定における劣モジュラ性の利用と最適化,” 圧縮センシン
グとその周辺 (2), 2011 年 7 月.
67. 河原吉伸, “劣モジュラ性を用いたデータ生成過程の学習,” 第 13 回情報論的学習理論ワーク
ショップ (IBIS’10), 2010 年 11 月.
68. 鷲尾隆, 清水昌平, 河原吉伸, 猪口明博, “統計的大規模因果推論の課題と非ガウス性に基づ
く挑戦,” 第 75 回人工知能学会基本問題研究会 (SIG-FPAI)，2009 年 11 月.
69. 永野清人, 河原吉伸, 岡本吉夫, “離散凸最適化手法による機械学習の諸問題へのアプローチ,”
第 22 回回路とシステム軽井沢ワークショップ, 2009 年 4 月.
• 書籍
70. (著) T. Hastie, R. Tibshirani & J. Friedman (監訳) 井手剛, 神嶌敏弘, 栗田多喜夫, 杉山将,
前田英作 (訳) 井尻善久, 井手剛, 岩田具治, 金森敬文, 兼村厚範, 烏山昌幸, 河原吉伸, 木村昭
悟, 小西嘉典, 酒井智弥, 鈴木大慈, 竹内一郎, 玉木徹, 出口大輔, 冨岡亮太, 波部斉, 前田新一,
持橋大地, 山田誠, “統計的学習の基礎: データマイニング・推論・予測,” 共立出版, 2014.
• 総説・解説
71. 河原吉伸, “構造的な事前情報を用いた機械学習：構造正則化と劣モジュラ性,” 情報処理,
Vol.52, No.7, pp.734-740, 2013.
72. 河原吉伸, “機械学習における劣モジュラ性の利用と組合せ論的アルゴリズム,” オペレーショ
ンズ・リサーチ, Vol.58, No.5, pp.267-274, 2013.
73. 河原吉伸, 永野清仁, 鷲尾隆, “劣モジュラ性を用いた知能情報処理への新展開,” 人工知能学
会誌, Vol.27, No.3, pp.252–260, 2012.
74. 河原吉伸, 永野清仁, “イベント報告：東京工業大学サイエンスカフェ「計算で何ができる
か？」,” 数学通信, Vol.14, No.2, pp.47–51, 2009.
5
75. 伊藤冬子, 河原吉伸, “コンテンツのクリエーションによる社会的知能,” 人工知能学会学生
フォーラムインタビュー記事 (長尾確氏), 人工知能学会論文誌, Vol.22, No.6, pp.865–867,
2007.
76. 河原吉伸, 西原陽子, “表現が生む研究のポテンシャル,” 人工知能学会学生フォーラムインタ
ビュー記事 (本村陽一氏), 人工知能学会論文誌, Vol.22, No.3, pp.448–451, 2007.
77. 中島悠, 河原吉伸, “自由になれる研究,” 人工知能学会学生フォーラムインタビュー記事 (新
谷虎松氏), 人工知能学会論文誌, Vol.22, No.2, pp.290–292, 2007.
• その他の国内発表など
78. 岡滉, 河原吉伸, 鷲尾隆, “市場機構の変化を考慮したポートフォリオ選択,” 第 29 回人工知
能学会全国大会, 1C4, 函館, 2015.
79. 砂山渡, 高間康史, 西原陽子, 徳永秀和, 串間宗夫, 阿部秀尚, 梶並知記, 松下光範, ボッレー
ガラ・ダヌシカ, 佐賀亮介, 河原吉伸, 川本佳代, “テキストデータマイニングのための統合
環境 TETDM,” 第 29 回人工知能学会全国大会, 2E3-NFC-01a, 函館, 2015.
80. 河原吉伸, 岡田省吾, 武田朗子, 鷲尾隆, “Componentwise カーネル学習を用いたポートフォ
リオ選択,” 第 28 回人工知能学会全国大会, 2F3-5, 愛媛, 2014.
81. 掃部健, 河原吉伸, 鷲尾隆, ”構造正則化学習を用いた混雑シーンにおける異常検知,” 第 28
回人工知能学会全国大会, 2F3-3, 愛媛, 2014.
82. 砂山渡, 高間康史, 西原陽子, 徳永秀和, 串間宗夫, 阿部秀尚, 梶並知記, 松下光範, ボッレーガ
ラ・ダヌシカ, 佐賀亮介, 河原吉伸, 川本佳代, “テキストデータマイニングのための統合環境
TETDM による利用者支援,” 第 28 回人工知能学会全国大会, 1H4-NFC-01a-1, 愛媛, 2014.
83. Kanemura, A., Yuan, J. & Kawahara, Y., “Finding Structured Dictionary Representation
by Network-Flow Optimization,” Workshop on Data Discretization and Segmentation for
Knowledge Discovery (DDS’13), 2013.
84. 杉本和正, 河原吉伸, 鷲尾隆, “最小カットによる構造情報を用いた主成分分析,” 第 27 回人
工知能学会全国大会, 3D1-3, 富山, 2013.
85. 植野剛, 林浩平, 鷲尾隆, 河原吉伸, “重み付き最尤推定に基づく方策探索法,” 第 15 回情報論
的学習理論ワークショップ (IBIS’12), 東京, 2012.
86. 十河康弘, 植野剛, 河原吉伸, 鷲尾隆, “Density Power Divergence を利用したノイジーオラ
クル下における能動学習,” 第 15 回情報論的学習理論ワークショップ (IBIS’12), 東京, 2012.
87. 鄭雲珠, 末松はるか, 伊藤貴之, 藤巻遼平, 森永聡, 河原吉伸, “低次元プロットの集合による
高次元データ可視化の一手法 (1),” 第 26 回人工知能学会全国大会, 1B2-R-3-3, 山口, 2012.
88. 末松はるか, 鄭雲珠, 伊藤貴之, 藤巻遼平, 森永聡, 河原吉伸, “低次元プロットの集合による
高次元データ可視化の一手法 (2),” 第 26 回人工知能学会全国大会, 1B2-R-3-4, 山口, 2012.
89. 杉本和正, 河原吉伸, 鷲尾隆, “乱択アルゴリズムを用いた特徴選択,” 第 26 回人工知能学会
全国大会, 3B1-R-2-7, 山口, 2012.
90. 植野剛, 河原吉伸, 鷲尾隆, “多様体上での経路積分型制御,” 第 26 回人工知能学会全国大会,
3B2-R-2-4, 山口, 2012.
91. 十河康弘, 植野剛, 河原吉伸, 鷲尾隆, “Density Power Divergence を用いたロバスト能動学
習,” 第 26 回人工知能学会全国大会, 3B2-R-2-5, 山口, 2012.
92. 稲積孝紀, 鷲尾隆, 清水昌平, 鈴木譲, 山本章博, 河原吉伸, “分割表の独立性に基づく二値デー
タ生成過程の推定法,” 第 14 回情報論的学習理論ワークショップ (IBIS’11), 奈良, 2011.
93. 河原吉伸, 鷲尾隆, “離散 DC 計画のためのプリズム法とその応用,” 第 14 回情報論的学習理
論ワークショップ (IBIS’11), 奈良, 2011.
6
94. 植野剛, 河原吉伸, 鷲尾隆, “動的方策計画法によるモジュール学習制御,” 第 14 回情報論的
学習理論ワークショップ (IBIS’11), 奈良, 2011.
95. Liu, Q., Kawahara, Y. & Washio, T., “Analyzing optimal marketing strategies over customers’ networks,” 第 25 回人工知能学会全国大会, 2G1-5, 盛岡, 2011.
96. 稲積孝紀, 鷲尾隆, 清水昌平, 鈴木譲, 山本章博, 河原吉伸, “二値データに対するデータ生成
過程の推定,” 第 25 回人工知能学会全国大会, 2E3-6, 盛岡, 2011.
97. 田代竜也, 清水昌平, 河原吉伸, 鷲尾隆, “定常時系列データの非ガウス性を用いた ARMA モ
デルによる変数間決定関係の解析,” 第 25 回人工知能学会全国大会, 2E3-5, 盛岡, 2011.
98. 岸本卓也, 猪口明博, 河原吉伸, 鷲尾隆, “劣モジュラ最適化に基づいたグラフ系列のクラス
タリング,” 第 25 回人工知能学会全国大会, 1P2-lb-4in, 盛岡, 2011.
99. Demeshko, M., Washio, T., Kawahara, Y. & Shimizu, S., “Analyzing relationships between
CTARMA and ARMA models,” 第 25 回人工知能学会全国大会, 2G2-2, 盛岡, 2011.
100. 上甲昌郎, 河原吉伸, 矢入健久, “局所線形モデルのアラインメントに基づく動作認識,” 第 11
回計測自動制御学会システムインテグレーション部門講演会 (SI’10), 仙台, 2010 (優秀講演
賞を受賞).
101. 永野清仁, 河原吉伸, 合原一幸, “最小平均費用クラスタリング,” 第 13 回情報論的学習理論
ワークショップ (IBIS’10), 東京, 2010.
102. 平田丈英, 浅野一哉, 佐々木聡洋, 前田一郎, 河原吉伸, 矢入健久, “正準相関監視による CAL
板破断予知技術,” 日本金属学会 2010 年秋期大会, 180, 北海道, 2010.
103. 青井遙, 河原吉伸, 下平英寿, “不完全データにおける情報量規準の状態空間モデルへの応用,”
2010 年度統計関連学会連合大会, 東京, 2010.
104. 上甲昌郎, 河原吉伸, 矢入健久, “局所線形モデルの整列による非線形システムの学習法,” 第
24 回人工知能学会全国大会, 2A1-2, 長崎, 2010.
105. 稲積孝紀, 十河康弘, 清水昌平, 河原吉伸, 鷲尾隆, “データの非正規性を活用する因果構造探
索法と事前情報の利用,” 第 24 回人工知能学会全国大会, 1A5-3, 長崎, 2010.
106. 松田衆治, Nguyen Ha Hon, 鷲尾隆, 河原吉伸, 清水昌平, 猪口明博, “高次元確率空間におけ
る高精度期待値ベイズ推定の検討,” 第 24 回人工知能学会全国大会, 1A1-4, 長崎, 2010.
107. 平下智史, 河原吉伸, 矢入健久, “動的環境での離散凸最適化に基づく移動ロボットのための
探査法,” 第 72 回情報処理学会全国大会, 6K-1, 東京, 2009.
108. 吉木明博, 矢入健久, 乾稔, 河原吉伸, 高田昇, 町田和雄, “次元削減技術を用いた宇宙機テレ
メトリの異常検知,” 第 53 回宇宙科学技術連合講演会 1E18, 京都, 2009.
109. 河原吉伸, 永野清仁, 津田宏治, J. Bilmes, “劣モジュラカットとその応用,” 第 12 回情報論
的学習理論ワークショップ (IBIS’09), 福岡, 2009 (Best Research Paper Award Honorable
Mention).
110. 乾稔, 矢入健久, 河原吉伸, 町田和雄, “次元削減の再構成誤差を用いた異常検知手法の比較,”
第 23 回人工知能学会全国大会, 高松, 2009.
111. 河原吉伸, “正定値カーネルを用いた非線形部分空間同定法,” 第 51 回自動制御連合講演会,
米沢, 2008.
112. 河原吉伸, 杉山将, “An Approach for Change-Point Detection Based on Direct DensityRatio Estimation,” 第 11 回情報論的学習理論ワークショップ (IBIS’08), 仙台, 2008.
113. 河原吉伸, 矢入健久, 町田和雄 “Change-Point Detection in Time-Series Data Based on
Stochastic Subspace Identification,” 第 10 回情報論的学習理論ワークショップ (IBIS’07), 東
京, 2007.
7
114. 後藤耕平, 河原吉伸, 矢入健久, 町田和雄, “独立成分分析を用いた宇宙機の異常検知に関す
る研究,” 第 51 回宇宙科学技術連合講演会 2D08, 北海道, 2007.
115. 河原吉伸, 矢入健久, 町田和雄, “オンライン状態空間学習による安定性監視法,” 第 21 回人
工知能学会全国大会 (JSAI’07), 宮崎, 2007.
116. 河原吉伸, 矢入健久, 町田和雄, “確率的正準相関解析を用いた部分空間同定法,” 第 7 回計測
自動制御学会制御部門大会 (CCS’07), 東京, 2007.
117. Kawahara, Y., Yairi, T., and Machida, K., “Real-time Monitoring for Spacecraft Fault Diagnosis by Combined Parameters and Fault Modes Online Estimation,” The 2nd IEEE
Int’l Conf. on Space Mission Challenges for Information Technology, the Special Miniworkshop on Student Space IT Research and Projects, Pasadena, 2006.
118. 河原吉伸, 矢入健久, 町田和雄, “工学知識を用いたセミパラメトリック学習モデルによる宇
宙機異常診断法,” 第 7 回 AI 若手の集い (MYCOM’06), 神奈川, 2006.
119. 河原吉伸, 矢入健久, 町田和雄, “知識とデータ学習の融合アプローチによる宇宙機異常診断
法,” 第 49 回宇宙科学技術連合講演会 2E13, 広島, 2005.
120. 藤巻遼平, 河原吉伸, 矢入健久, 町田和雄, “テレメトリデータマイニングによる知識獲得に
基づく宇宙機異常検知法,” 第 49 回宇宙科学技術連合講演会 2E13, 広島, 2005.
121. 藤巻遼平, 河原吉伸, 矢入健久, 町田和雄 “Relevance Vector Autoregressive Model を用い
たテレメトリ・データからの宇宙機異常検知,” 人工知能学会第 46 回知識ベースシステム研
究会 (SIG-KBS), 東京, 2005.
122. 河原吉伸, 矢入健久, 町田和雄, “Dynamic Bayesian Networks を用いた宇宙機異常診断法,”
第 19 回人工知能学会全国大会 (JSAI’05), 小倉, 2005.
123. 河原吉伸, 矢入健久, 町田和雄, “確率的推論システムによる宇宙機異常診断に関する研究,”
第 48 回宇宙科学技術連合講演会 2F13, 福井, 2004.
124. 矢入健久, 藤巻遼平, 矢入健久, 町田和雄, “知的データ処理による宇宙機テレメトリからの
異常検知法に関する研究,” 第 48 回宇宙科学技術連合講演会 2F13, 福井, 2004.
125. 津田雄一, 河原吉伸, “大規模フォーメーションフライトにおける誘導則の大域的最適化手
法,” 第 48 回宇宙科学技術連合講演会 2F13, 福井, 2004.
126. 河原吉伸, 矢入健久, 町田和雄, “動的ベイジアンネットワークを用いた宇宙機異常診断に関
する研究,” 電子情報通信学会技術研究報告 NC2004-10-18, 奈良, 2004.
127. 河原吉伸, 田中秀幸, 町田和雄, “再構成・再利用が可能なセル型衛星に関する研究,” 第 47 回
宇宙科学技術連合講演会 3E10, 新潟, 2003.
• 特許
122. 森永聡, 藤巻遼平, 河原吉伸 (発明者), “最適クエリ生成装置、最適クエリ抽出方法および判
別モデル学習方法,” (国際公開番号 WO2013/118225).
123. 森永聡, 藤巻遼平, 河原吉伸 (発明者), “判別モデル学習装置、判別モデル学習方法および判
別モデル学習プログラム,” (国際公開番号 WO2013/118224).
124. 森永聡, 藤巻遼平, リゥジ, 河原吉伸 (発明者), “対話的変数選択装置、対話的変数選択方法
および対話的変数選択プログラム,” (特許公開 2014-160457).
125. 森永聡, 河原吉伸, 伊藤貴之, 鄭雲珠, 末松はるか (発明者), “多次元データ可視化装置、方法
およびプログラム,” (特許公開 2013-161226).
126. 平田丈英, 河原吉伸, 杉山将 (発明者), “パターン自動抽出方法およびパターン自動抽出シス
テム,” (特開 2011-247696).
8
127. 平田丈英, 浅野一哉, 佐々木聡洋, 前田一郎, 河原吉伸, 矢入健久, 町田和雄 (発明者), “帯状
鋼板における異常予知技術,” (特開 2009-140267).
9

Download Report