機械学習の理論解析とアルゴリズム設計
キーワード：機械学習，計算学習理論，データマイニング，ブースティング，最適化，
2000.04.

オンライン予測アルゴリズムの設計・解析
キーワード：オンライン予測，計算学習理論，機械学習，最適化，ランキング
2007.05.

教育データの分析
キーワード：教育データ，ラーニングアナリティクス
2017.11.

オープンサイエンスに関する研究
キーワード：オープンアクセス，オープンデータ，オープンサイエンス
2015.08～2017.10.

主要著書

1.	T. Kanamori, K. Hatano, O. Watanabe, Boosting , Springer, https://doi.org/10.1007/978-3-030-03243-2_836-1, In: Ikeuchi K. (eds) Computer Vision, 2020.05.
2.	畑埜 晃平, 瀧本 英二, オンライン予測 (機械学習プロフェッショナルシリーズ), 講談社, 総ページ数：176, 2016.12.
3.	金森 敬文, 畑埜 晃平, 渡辺 治, 小川 英光, ブースティング - 学習アルゴリズムの設計技法 (知能情報科学シリーズ), 森北出版株式会社, 総ページ数：224, 2006.08.

主要原著論文

1.	Sherief Hashima, Mostafa M. Fouda, Zubair Md Fadlullah, Ehab Mahmoud Mohamed, Kohei Hatano, Improved UCB-based Energy-Efficient Channel Selection in Hybrid-Band Wireless Communication, Proceedings of GLOBECOM '21, 10.1109/GLOBECOM46510.2021.9685996, 2021.12.
2.	Yaxiong Liu, Ken-ichiro Moridomi, Kohei Hatano, Eiji Takimoto, An online semi-definite programming with a generalised log-determinant regularizer and its applications, Proceedings of The 13th Asian Conference on Machine Learning (ACML), PMLR 157, 1113-1128, 2021.11.
3.	Yaxiong Liu, Xuanke Jiang, Kohei Hatano, Eiji Takimoto, Expert advice problem with noisy low rank loss, Proceedings of The 13th Asian Conference on Machine Learning (ACML), PMLR 157, 1097-1112, 2021.11.
4.	Ehab Mahmoud Mohamed, Sherief Hashima, Kohei Hatano, Mostafa M. Fouda, Zubair Md. Fadlullah, Sleeping Contextual/Non-Contextual Thompson Sampling MAB for mmWave D2D Two-Hop Relay Probing., IEEE Transactions on Vehicular Technology, 10.1109/TVT.2021.3116223, 70, 11, 12101-12112, 2021.11.
5.	Ehab Mahmoud Mohamed, Sherief Hashima, Kohei Hatano, Saud Alhajaj Aldossari, Mahdi Zareei, Mohamed Rihan, Two-Hop Relay Probing in WiGig Device-to-Device Networks Using Sleeping Contextual Bandits., IEEE Wirel. Commun. Lett., 10.1109/LWC.2021.3074972, 10, 7, 1581-1585, 2021.04.
6.	Fumito Miyake, Eiji Takimoto, kohei hatano, Succinct representation of linear extensions via MDDs and its application to scheduling under precedence constraints, 30th International Workshop on Combinatorial Algorithms, IWOCA 2019 Combinatorial Algorithms - 30th International Workshop, IWOCA 2019, Proceedings, 10.1007/978-3-030-25005-8_30, 365-377, 2019.07, [URL], We consider a single machine scheduling problem to minimize total flow time under precedence constraints, which is NP-hard. Matsumoto et al. proposed an exact algorithm that consists of two phases: first construct a Multi-valued Decision Diagram (MDD) to represent feasible permutations of jobs, and then find the shortest path in the MDD which corresponds to the optimal solution. Although their algorithm performs significantly better than standard IP solvers for problems with dense constraints, the performance rapidly diminishes when the number of constraints decreases, which is due to the exponential growth of MDDs. In this paper, we introduce an equivalence relation among feasible permutations and show that it suffices to construct an MDD that maintains only one representative for each equivalence class. Experimental results show that our algorithm outperforms Matsumoto et al.’s algorithm for problems with sparse constraints, while keeping good performance for dense constraints. Moreover, we show that Matsumoto et al.’s algorithm can be extended for solving a more general problem of minimizing weighted total flow time..
7.	Kohei Hatano, Combinatorial Online Prediction, 15th International Symposium on Information Theory and Its Applications, ISITA 2018 Proceedings of 2018 International Symposium on Information Theory and Its Applications, ISITA 2018, 10.23919/ISITA.2018.8664224, 40-44, 2019.03, [URL], We present a short survey on recent results on combinatorial online prediction in the adversarial setting..
8.	Takahiro Fujita, Kohei Hatano, Eiji Takimoto, Boosting over non-deterministic ZDDs, Theoretical Computer Science, https://doi.org/10.1016/j.tcs.2018.11.027, 2018.12, [URL], 本論文では，ZDDと呼ばれる圧縮データ構造を用いてデータを圧縮した上で，圧縮したデータ上でブースティングという機械学習手法が効率よく計算できる事を明らかにした．ビッグデータの解析において，省スペースで計算が出来ることは大きな利点である．本研究の興味深い点は，組合せ論的オンライン予測という（一見）全く異なる機械学習分野の知見が圧縮情報処理に活かされたことである．.
9.	Takahiro Fujita, Kohei Hatano, and Eiji Takimoto, “, Online Combinatorial Optimization with Multiple Projections and Its Application to Scheduling Problem Volume and Number: Vol.,pp.-,Sep. 2018., IEICE Transactions on Information and Systems, E101-A, 9, 2018.09.
10.	Takahiro Fujita, Kohei Hatano, Shuji Kijima, Eiji Takimoto, Online combinatorial optimization with multiple projections and its application to scheduling problem, IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, 10.1587/transfun.E101.A.1334, E101A, 9, 1334-1343, 2018.09, [URL], We consider combinatorial online prediction problems and propose a new construction method of efficient algorithms for the problems. One of the previous approaches to the problem is to apply online prediction method, in which two external procedures the projection and the metarounding are assumed to be implemented. In this work, we generalize the projection to multiple projections. As an application of our framework, we show an algorithm for an online job scheduling problem with a single machine with precedence constraints..
11.	Ken-ichiro Moridomi, Kohei Hatano, Eiji Takimoto, Tighter generalization bounds for matrix completion via factorization into constrained matrices, IEICE Transactions on Information and Systems, 10.1587/transinf.2017EDP7339, E101D, 8, 1997-2004, 2018.08, [URL], We prove generalization error bounds of classes of low-rank matrices with some norm constraints for collaborative filtering tasks. Our bounds are tighter, compared to known bounds using rank or the related quantity only, by taking the additional L1 and L∞ constraints into account. Also, we show that our bounds on the Rademacher complexity of the classes are optimal..
12.	Ken-ichiro Moridomi, Kohei Hatano, and Eiji Takimoto, “, Online linear optimization with the log-determinant regularizer, IEICE Transactions on Information and Systems, E101-D, 6, 2018.06.
13.	Daiki Suehiro, Kohei hatano, Eiji Takimoto, Efficient reformulation of 1-norm ranking SVM, IEICE Transactions on Information and Systems, 10.1587/transinf.2017EDP7233, E101D, 3, 719-729, 2018.03, [URL].
14.	Takahiro Fujita, Kohei Hatano, Eiji Takimoto, Boosting over non-deterministic ZDDs, Proceedings of the 12th International Conference and Workshop on Algorithms and Computation( WALCOM 2018), 10.1007/978-3-319-75172-6_17, 195-206, 2018.01, [URL], 本論文では，ZDDと呼ばれる圧縮データ構造を用いてデータを圧縮した上で，圧縮したデータ上でブースティングという機械学習手法が効率よく計算できる事を明らかにした．ビッグデータの解析において，省スペースで計算が出来ることは大きな利点である．本研究の興味深い点は，組合せ論的オンライン予測という（一見）全く異なる機械学習分野の知見が圧縮情報処理に活かされたことである．.
15.	Kohei Hatano, Can machine learning techniques provide better learning support for elderly people?, 6th International Conference on Distributed, Ambient and Pervasive Interactions, DAPI 2018 Held as Part of HCI International 2018 Distributed, Ambient and Pervasive Interactions Technologies and Contexts - 6th International Conference, DAPI 2018, Held as Part of HCI International 2018, Proceedings, 10.1007/978-3-319-91131-1_14, 178-187, 2018.01, [URL], Computer-based support for learning of elderly people is now considered as an important issue in the super-aged society. Extra cares are needed for elderly people’s learning compared to younger people, since they might have difficulty in using computers, reduced cognitive ability and other physical problems which make them less motivated. Key components of a better learning support system are sensing the contexts surrounding elderly people and providing appropriate feedbacks to them. In this paper, we review some existing techniques of the contextual bandit framework in the machine learning literature, which could be potentially useful for online decision making scenarios given contexts. We also discuss issues and challenges to apply the framework..
16.	Nir Ailon, Kohei Hatano, Eiji Takimoto, Bandit Online Optimization Over the Permutahedron, Theoretical Computer Science, 10.1016/j.tcs.2016.07.033, 650, 18, 92-108, 2016.10.
17.	Takumi Nakazono, Ken-ichiro Moridomi, Kohei Hatano, Eiji Takimoto, A Combinatorial Metrical Task System Problem under the Uniform Metric, Proceedings of 27th International Conference on Algorithmic Learning Theory(ALT 2016), 10.1007/978-3-319-46379-7_19, LNCS 9926, 276-287, 2016.10.
18.	Takahiro Fujita, Kohei Hatano, Shuji Kijima, Eiji Takimoto, Online Linear Optimization for Job Scheduling under Precedence Concstraints, Proceedings of 26th International Conference on Algorithmic Learning Theory(ALT 2015), 10.1007/978-3-319-24486-0_22, LNCS 6331, 345-359, 2015.10.
19.	Issei Matsumoto, Kohei Hatano, Eiji Takimoto, Online Density Estimation of Bradley-Terry Models, Proceedings of the 28th Conference on Learning Theory (COLT 2015), JMLR W&CP 40, 1343-1359, 2015.06.
20.	Nir Ailon, Kohei Hatano, Eiji Takimoto, Bandit Online Optimization Over the Permutahedron, Proceedings of the 25th International Conference on Algorithmic Learning Theory (ALT 2014),, LNCS 8776, 215–229, 2014.10.
21.	Kazuki Teraoka, Kohei Hatano, Eiji Takimoto, Efficient Sampling Method for Monte Carlo Tree Search, IEICE TRANSACTIONS on Information and System, E97-D, 3, 392-298, 2014.03.
22.	Takahiro Fujita, Kohei Hatano, Eiji Takimoto, Combinatorial Online Prediction via Metarounding, Proceedings of the 24th International Conference on Algorithmic Learning Theory (ALT 2013), 68-82, 2013.10.
23.	Shota Yasutake, Kohei Hatano, Eiji Takimoto, Masayuki Takeda, Online Rank Aggregation , Proceedings of the 4th Asian Conference on Machine Learning(ACML 2012) , 539-553, 2012.11.
24.	Yoko Anan, Kohei Hatano, Hideo Bannai, Masayuki Takeda, Polyphonic Music Classification on Symbolic Data Using Dissimilarity Functions, Proceedings of the 13th International Society for Music Information Retrieval Conference (ISMIR 2012), 229-234, 2012.10.
25.	Daiki Suehiro, Kohei Hatano, Shuji Kijima, Eiji Takimoto, Kiyohito Nagano, Online Prediction under Submodular Constraints, Proceedings of the 23rd International Conference on Algorithmic Learning Theory (ALT 2012) , 260-274, 2012.10.
26.	Shota Yasutake, Kohei Hatano, Shuji Kijima, Eiji Takimoto, Masayuki Takeda, , Online Linear Optimization over Permutations , Proceedings of the 22nd International Symposium on Algorithms and Computation (ISAAC 2011) , 534-543, 2011.11.
27.	Daiki Suehiro, Kohei Hatano, Eiji Takimoto, Approximate Reduction from AUC Maximization to 1-norm Soft Margin Optimization, Proceedings of the 22nd International Conference on Algorithmic Learning Theory (ALT 2011) , 324-337, 2011.10.
28.	Yoko Anan, Kohei Hatano, Hideo Bannai, Masayuki Takeda, Music Genre Classification using Similarity Functions, Proceedings of the 12th International Society for Music Information Retrieval Conference (ISMIR 2011), 693-698, 2011.10.
29.	Shin-ichi Yoshida, Kohei Hatano, Eiji Takimoto, Masayuki Takeda, Adaptive Online Prediction Using Weighted Windows, IEICE Transactions on Information and Systems , E94-D, 10, 1917-1923, 2011.10.
30.	Michinari Momma, Kohei Hatano, and Hiroki Nakayama, Ellipsoidal Support Vector Machines , Proceedings of the 2nd Asian Conference on Machine Learning (ACML 2010), 31-46, 2010.11.
31.	Kazuaki Kashihara, Kohei Hatano, Hideo Bannnai, and Masayuki Takeda, Sparse Substring Pattern Set Discovery using Linear Programming Boosting, Proceedings of the 13th International Conference on Discovery Science (DS 2010), 132-143, 2010.10.
32.	Kohei Hatano and Eiji Takimoto, Linear Programming Boosting by Column and Row Generation, Proceedings of the Twelfth International Conference on Discovery Science (DS'09) , 2009.10.
33.	Jun-ichi Moribe, Kohei Hatano, Eiji Takimoto, and Masayuki Takeda, Smooth Boosting for Margin-Based Ranking, Proceedings of 19th International Conference on Algorithmic Learning Theory, 227-239, 2008.10.
34.	Kosuke Ishibashi, Kohei Hatano, and Masayuki Takeda, Online Learning of Approximate Maximum p-Norm Margin Classifiers with Biases, Proceedings of the 21st Annual Conference on Learning Theory, 69—80, 2008.07.
35.	Kosuke Ishibashi, Kohei Hatano, and Masayuki Takeda, Online Learning of Approximate Maximum Margin Classifiers with Biases, Proceedings of the 2nd International Workshop on Data Mining and Statistical Science, 2007.10.
36.	Kohei Hatano, Smooth Boosting Using an Information-based Criterion, The 17 th international conference on algorithmic learning theory, 10.1007/11894841_25, 304-318, LNAI 4264., 2006.10.

主要総説, 論評, 解説, 書評, 報告書等

1.	畑埜 晃平, 法常 知子, 電子ジャーナル購読計画の数理最適化 : 九州大学における事例報告, 九州大学附属図書館研究開発室年報, 2016.08, [URL].
2.	畑埜晃平, The 21st Annual Conference on Learning Theory (COLT 2008) 参加報告, 人工知能学会誌　vol. 23 No. 6, 2008.11.
3.	河内亮周，小林弘忠，清美　礼，畑埜晃平, 理論計算機科学の最前線, 電子情報通信学会　情報・システムソサイエティ誌,　第12巻　第2号, 2007.08.

主要学会発表等

1.	Kohei Hatano, Blackwell game and its applications in online prediction tasks, Forum "Math-for-Industry" 2021, 2021.12, [URL].
2.	畑埜 晃平, オンライン予測理論・時系列予測・最適化, AIMaP 地域グリッド開発関連技術ワークショップ, 2021.03.
3.	畑埜 晃平, オンライン予測理論とその応用, 九州ADS育成コンソーシアム 2Dayデータサイエンスセミナー, 2021.03.
4.	Kohei Hatano, A Framework to Analyze Logs of CodeRunner for Improving Programming Education, 8th International Conference on Educational Technologies 2021, 2021.03.
5.	黒河祐太, 三星諒太朗, 畑埜晃平, 瀧本英二, Holakou Rahmanian, データの決定ダイアグラム表現に基づく１ノルム正則化ソフトマージン最適化, 第23回情報論的学習理論ワークショップ(IBIS 2020), 2020.11.
6.	畑埜 晃平, データの簡潔表現に基づく最適化, 人工知能学会 第113回人工知能基本問題研究会(SIG-FPAI), 2020.09.
7.	黒河 祐太, 畑埜 晃平, 瀧本 英二, ZDD圧縮データ上のマージン最大化, 冬のLAシンポジウム, 2020.07.
8.	三星 諒太朗, 畑埜 晃平, 瀧本 英二, 乱択と線形計画法に基づくソフトマージン最適化, 電子情報通信学会　第39回IBISML研究会, 2020.03.
9.	三星諒太朗, 畑埜晃平, 瀧本英二 , 線形計画法に基づくブースティング手法の収束性解析 , 第22回情報論的学習理論ワークショップ(IBIS 2019), 2019.11.
10.	Yaxiong Liu, Kohei Hatano, and Eiji Takimoto, Improved Algorithms for Online Load Balancing, 情報処理学会　第174回アルゴリズム研究会, 2019.09.
11.	畑埜 晃平, 圧縮データ上のブースティング, AIMaPワークショップ「非ノイマン型計算、理論と応用」, 2019.03.
12.	末廣 大貴, 畑埜 晃平, 瀧本 英二, 山本 修司, 坂内 健一, 武田 朗子, Shapeletに基づくマルチインスタンス学習 , 電子情報通信学会　第36回IBISML研究会, 2019.03.
13.	Yaxiong Liu, Ken-ichiro Moridomi, Kohei Hatano and Eiji Takimoto, Improved Mistake Bounds for Binary Matrix Completion , 第21回情報論的学習理論ワークショップ(IBIS 2018), 2018.11.
14.	畑埜 晃平, ブースティング：最適化の視点に基づくサーベイ, AIMaPワークショップ「非ノイマン型計算、理論と応用」, 2018.03.
15.	Ryohei Nagaura, Kohei Hatano, and Eiji Takimoto, Combinatorial bandit prediction with relaxation-based approximation algorithms, 情報処理学会　第１６７回アルゴリズム研究会, 2018.03.
16.	三星 諒太朗, 畑埜 晃平, 瀧本 英二, Frank-Wolfe 型ブースティング, 冬のLAシンポジウム, 2018.02.
17.	森富 賢一郎, 畑埜 晃平, 瀧本 英二, LogDet 正則化を用いた二値行列補完, 第20回情報論的学習理論ワークショップ(IBIS 2017), 2017.11.
18.	森富 賢一郎, 畑埜 晃平, 瀧本 英二, LogDet 正則化を用いた二値行列補完, 夏のLAシンポジウム, 2017.07.
19.	森富 賢一郎, 畑埜 晃平, 瀧本 英二, ノルム制約付き行列分解に基づいた行列補完問題に対する汎化誤差の導出, 電子情報通信学会 第28回IBISML研究会, 2017.03.
20.	畑埜 晃平, 米国の大学を中心としたオープンデータの現状 : 訪問調査から, 九州大学ライブラリーサイエンス専攻シンポジウム「オープンデータとデジタルヒューマニティーズ」, 2017.01, [URL].
21.	永浦 良平, 畑埜 晃平, 瀧本 英二, k集合に対する射影と分解に基づく敵対的バンディット予測, 電子情報通信学会 第25回IBISML研究会, 2016.07.
22.	柴垣 篤志, 烏山 昌幸, 畑埜 晃平, 竹内 一郎, スパースモデルのための特徴と標本の同時セーフスクリーニング, 電子情報通信学会 第25回IBISML研究会, 2016.07.
23.	森富 賢一郎, 畑埜 晃平, 瀧本 英二, 相対評価に基づく協調ランキング問題, 第２5回 情報論的学習理論と機械学習研究会(IBISML), 2016.03.
24.	松本 一成, 畑埜 晃平, 瀧本 英二, Bradley-Terryモデルのオンライン密度推定, 第２１回 情報論的学習理論と機械学習研究会(IBISML), 2015.06.
25.	Takahiro Fujita, Kohei Hatano, Shuji Kijima, Eiji Takimoto, Online Linear Optimization over Permutations with Precedence Constraints , NIPS 2014 Workshop on Discrete Optimization in Machine Learning(DISCML), 2014.12.
26.	Issei Matsumoto, Kohei Hatano, Eiji Takimoto, Online Prediction with Bradley-Terry Models, NIPS 2014 Workshop on Analysis of Rank Data: Confluence of Social Choice, Operations Research, and Machine Learning, 2014.12.
27.	Nir Ailon, 畑埜 晃平, 瀧本 英二, 順列に対するバンディット問題, 第17回情報論的学習理論ワークショップ(IBIS 2014), 2014.11.
28.	藤田隆寛, 畑埜 晃平, 来嶋 秀治, 瀧本 英二, Online Linear Optimization ove Permutations with Precedence Constraints, 夏のLAシンポジウム, 2014.07.
29.	畑埜 晃平, Combinatorial Online Prediction via Metarounding, TCE Guest Lecture, 2013.12.
30.	畑埜 晃平, 離散構造のオンライン予測, 第16回情報論的学習理論ワークショップ(IBIS 2013)　企画セッション「学習理論」, 2013.11.
31.	畑埜 晃平, オンライン離散最適化, 日本応用数理学会2013年度年会 オーガナイズドセッション「機械学習」, 2013.09.
32.	畑埜 晃平, オンライン予測理論とその応用, FIT2013　イベント企画「ビッグデータ時代のオンライン学習アルゴリズム」, 2013.09.
33.	Takahiro Fujita, Kohei Hatano, Eiji Takimoto, Combinatorial Online Prediction Using Offline Approximation Algorithms, The sixth Annual Meeting of Asian Association for Algorithms and Computation (AAAC2013), 2013.04.
34.	藤田隆寛, 畑埜 晃平, 瀧本 英二, オフラインアルゴリズムを用いた離散構造のオンライン予測 , 冬のLAシンポジウム, 2013.01.
35.	Daiki Suehiro, Kohei Hatano, Shuji Kijima, Eiji Takimoto, Kiyohito Nagano, Online Prediction over Base Polyhedra , NIPS 2012 Workshop on Discrete Optimization in Machine Learning(DISCML), 2012.12.
36.	Daiki Suehiro, Kohei Hatano, Eiji Takimoto, Approximate Reduction from AUC Maximization to 1-norm Soft Margin Optimization , NIPS 2011 Workshop on Computational Trade-offs in Statistical Learning(COST), 2011.12.
37.	Shota Yasutake, Kohei Hatano, Eiji Takimoto, Masayuki Takeda, Online Rank Aggregation , NIPS 2011 Workshop on Computational Trade-offs in Statistical Learning(COST), 2011.12.
38.	安武翔太，畑埜晃平，瀧本英二，竹田正幸, トップ k リストのオンライン予測 , 第１4回情報論的学習理論ワークショップ（IBIS2011）, 2011.11.
39.	Daiki Suehiro, Kohei Hatano, Eiji Takimoto, Approximate Reduction from AUC Maximization to 1-norm Soft Margin Optimization , 第１4回情報論的学習理論ワークショップ（IBIS2011）, 2011.11.
40.	阿南陽子，畑埜晃平，坂内英夫，竹田正幸, 類似性指標を用いた楽曲のジャンル分類 , 人工知能学会　第８２回基本問題研究会（SIG-FPAI）, 2011.08.
41.	奥山洋平，畑埜晃平，瀧本英二，竹田正幸, 確率的評価値をもつゲーム木における最善手探索 , 2011. , 冬のLAシンポジウム, 2011.02.
42.	安武翔太，畑埜晃平，来嶋秀治，瀧本英二，竹田正幸, Online Prediction over Permutahedron, 情報処理学会 第134回アルゴリズム研究会 (SIGAL), 2011.02.
43.	安武翔太，畑埜晃平，瀧本英二，竹田正幸, オンラインランク統合問題, 第13回情報論的学習理論ワークショップ (IBIS 2010), 2010.11.
44.	末廣大貴，畑埜晃平，坂内英夫，瀧本英二，竹田正幸, SVMによるバイパータイトランキング学習を用いたコンピュータ将棋における評価関数の学習, 第13回情報論的学習理論ワークショップ (IBIS 2010), 2010.11.
45.	末廣大貴，畑埜晃平，坂内英夫，瀧本英二，竹田正幸, カーネル法を用いたコンピュータ将棋の評価関数の学習, 第15回ゲームプログラミングワークショップ2010 (GPW2010), 2010.11.
46.	樫原和昭，畑埜晃平，坂内英夫，竹田正幸, Sparse Substring Pattern Set Discovery using Linear Programming Boosting, 第９回情報科学技術フォーラム(FIT 2010), 2010.09.
47.	安武翔太，畑埜晃平，瀧本英二，竹田正幸, Online Rank Aggregation, 第９回情報科学技術フォーラム(FIT 2010), 2010.09.
48.	吉田真一，畑埜晃平，瀧本英二，竹田正幸, 重みつき窓を用いた適応型オンライン予測, 人工知能学会　データマイニングと統計数理研究会（SIG-DMSM） 第１２回, 2010.03.
49.	安武翔太，畑埜晃平，瀧本英二，竹田正幸, オンラインランク統合問題, 冬のLAシンポジウム, 2010.01.
50.	畑埜晃平，瀧本英二, 行と列の生成による線形計画ブースティング, 第12回情報論的学習理論ワークショップ (IBIS 2009), 2009.10.
51.	大田貴文，畑埜晃平，竹田正幸, 最大エントロピー原理に基づくオンライン学習, 冬のLAシンポジウム, 2009.01.
52.	Jun-ichi Moribe, Kohei Hatano, Eiji Takimoto, and Masayuki Takeda, Smooth Boosting for Margin-Based Ranking, 人工知能学会　データマイニングと統計数理研究会（SIG-DMSM） 第７回, 2008.07.
53.	石橋浩介，畑埜晃平，竹田正幸, Online Learning of Maximum p-Norm Margin Classifiers with Bias, 冬のLAシンポジウム, 2008.01.
54.	石橋浩介，畑埜晃平，竹田正幸, 定数項の大きな線型しきい値関数に対する高速なオンライン学習, 冬のLAシンポジウム, 2007.01.
55.	Kohei Hatano, Boosting using classifiers with nearly one-sided error, FIT 2006, 2006.08.
56.	Kohei Hatano, Boosting Approaches in Algorithmic Learning Theory, 21世紀COE「超ロバスト計算原理プロジェクト」ワークショップ「Tutorial workshop on game-theoretic probability and related topics」, 2006.03.

所属学会名

学協会役員等への就任

学会大会・会議・シンポジウム等における役割

学会誌・雑誌・著書の編集への参加状況

学術論文等の審査

海外渡航状況, 海外での教育研究歴

外国人研究者等の受入れ状況