2024/07/28 更新

お知らせ

 

写真a

ヒロセ　ケイ
廣瀨 慧
HIROSE KEI
所属
マス・フォア・インダストリ研究所 産業数理統計研究部門 教授
次世代接着技術研究センター （併任）
理学部 数学科（併任）
数理学府 数理学専攻（併任）
マス・フォア・イノベーション連係学府 （併任）
職名
教授
連絡先
メールアドレス
プロフィール
因子分析，グラフィカルモデル，正準判別分析など，共分散構造を考慮した多変量解析手法に基づく実用的な手法の開発に取り組んでいます．具体的には，構造正則化や予測精度を用いたクラスタリングに基づく新たな解析手法を考案し，パラメータの推定値を高速に計算するアルゴリズムを開発し，さらに，推定されたパラメータがどのような性質を持つのかを調べています．多くの提案法は，ソフトウェアRのパッケージとしてWeb上に公開されており，誰でも自由にダウンロードして使えます．また，電力需要予測や材料物性予測などの応用研究にも取り組んでいます．
ホームページ
外部リンク

学位

  • 博士（機能数理学）

経歴

  • 大阪大学　大学院基礎工学研究科　　（２０１１年４月〜２０１６年３月）   

研究テーマ・研究キーワード

  • 研究テーマ： マルチスケール構造解明のためのビッグデータ解析手法の研究開発

    研究キーワード： 接着， マルチスケール解析

    研究期間： 2018年11月 - 2028年3月

  • 研究テーマ： スパース多変量解析

    研究キーワード： スパース推定，因子分析

    研究期間： 2016年4月 - 2022年3月

  • 研究テーマ： 電力需要予測

    研究キーワード： 電力需要予測

    研究期間： 2016年4月 - 2018年5月

受賞

  • 計算機統計学会 2015年度 論文賞

    2016年6月   計算機統計学会   本会の論文誌に発表された論文 「Kei Hirose， Yukihiro Ogura and Hidetoshi Shimodaira. Estimating scale-free networks via the exponentiation of minimax concave penalty. Journal of the Japanese Society of Computational Statistics. 28 (1), pp.139-154, 2015」 を始めとして，当学会の欧文誌や国際的に著名な統計学の学術誌に，スパース多変量解析などに関する優れた論文を発表している．

    　詳細を見る

    スパース多変量解析の正則化法を提案し，その理論的性質を考察した．

論文

  • ランダムでない欠測を含む時系列モデリング 査読

    馬場 由羽貴, 廣瀬 慧

    日本統計学会誌   53 ( 2 )   275 - 296   2024年2月

    　詳細を見る

    記述言語：日本語   掲載種別：研究論文（学術雑誌）  

    DOI： 10.11329/jjssj.53.275

  • Fast same-step forecast in SUTSE model and its theoretical properties

    Wataru Yoshida, Kei Hirose

    Computational Statistics and Data Analysis   190   2024年2月

    　詳細を見る

    記述言語：その他   掲載種別：研究論文（学術雑誌）  

    The problem of forecasting multivariate time series by a Seemingly Unrelated Time Series Equations (SUTSE) model is considered. The SUTSE model usually assumes that error variables are correlated. A crucial issue is that the model estimation requires heavy computational loads because of a large matrix computation, especially for high-dimensional data. To alleviate the computational issue, a two-stage procedure for forecasting is constructed. First, Kalman filtering is performed as if the error variables are uncorrelated; that is, univariate time-series analyses are conducted separately to avoid a large matrix computation. Next, the forecast value is computed by using a distribution of forecast error. The proposed algorithm is much faster than the ordinary SUTSE model because a large matrix computation is not required. Some theoretical properties of the proposed estimator are presented, and Monte Carlo simulation is performed to investigate the effectiveness of the proposed method. The usefulness of the proposed procedure is illustrated through a bus congestion data application.

    DOI： 10.1016/j.csda.2023.107861

  • Hierarchical clustered multiclass discriminant analysis via cross-validation

    Kei Hirose, Kanta Miura, Atori Koie

    Computational Statistics and Data Analysis   178   2023年2月

    　詳細を見る

    記述言語：その他   掲載種別：研究論文（学術雑誌）  

    Linear discriminant analysis (LDA) is a well-known method for multiclass classification and dimensionality reduction. However, in general, ordinary LDA does not achieve high prediction accuracy when observations in some classes are difficult to be classified. A novel cluster-based LDA method is proposed that significantly improves prediction accuracy. Hierarchical clustering is adopted, and the dissimilarity measure of two clusters is defined by the cross-validation (CV) value. Therefore, clusters are constructed such that the misclassification error rate is minimized. The proposed approach involves a heavy computational load because the CV value must be computed at each step of the hierarchical clustering algorithm. To address this issue, a regression formulation for LDA is developed and an efficient algorithm that computes an approximate CV value is constructed. The performance of the proposed method is investigated by applying it to both artificial and real datasets. The proposed method provides high prediction accuracy with fast computation from both numerical and theoretical viewpoints.

    DOI： 10.1016/j.csda.2022.107613

  • Sparse and Simple Structure Estimation via Prenet Penalization

    Kei Hirose, Yoshikazu Terada

    PSYCHOMETRIKA   2022年5月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    We propose a prenet (product-based elastic net), a novel penalization method for factor analysis models. The penalty is based on the product of a pair of elements in each row of the loading matrix. The prenet not only shrinks some of the factor loadings toward exactly zero but also enhances the simplicity of the loading matrix, which plays an important role in the interpretation of the common factors. In particular, with a large amount of prenet penalization, the estimated loading matrix possesses a perfect simple structure, which is known as a desirable structure in terms of the simplicity of the loading matrix. Furthermore, the perfect simple structure estimation via the proposed penalization turns out to be a generalization of the k-means clustering of variables. On the other hand, a mild amount of the penalization approximates a loading matrix estimated by the quartimin rotation, one of the most commonly used oblique rotation techniques. Simulation studies compare the performance of our proposed penalization with that of existing methods under a variety of settings. The usefulness of the perfect simple structure estimation via our proposed procedure is presented through various real data applications.

    DOI： 10.1007/s11336-022-09868-4

  • Sparse multivariate regression with missing values and its application to the prediction of material properties

    Keisuke Teramoto, Kei Hirose

    INTERNATIONAL JOURNAL FOR NUMERICAL METHODS IN ENGINEERING   123 ( 2 )   530 - 546   2022年1月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    In the field of materials science and engineering, statistical analysis and machine learning techniques have recently been used to predict multiple material properties from an experimental design. These material properties correspond to response variables in the multivariate regression model. In this study, we conduct a penalized maximum likelihood procedure to estimate model parameters, including the regression coefficients and covariance matrix of response variables. In particular, we employ l1-regularization to achieve a sparse estimation of The regression coefficients and inverse covariance matrix of response variables. In some cases, there may be a relatively large number of missing values in the response variables, owing to the difficulty of collecting data on material properties. We therefore propose a method that incorporates a correlation structure among the response variables into a statistical model to improve the prediction accuracy under the situation with missing values. The expectation maximization algorithm is also constructed, which enables application to a dataset with missing values in the responses. We apply our proposed procedure to real data consisting of 22 material properties.

    DOI： 10.1002/nme.6867

  • Interpretable Modeling for Short- and Medium-Term Electricity Demand Forecasting

    Kei Hirose

    FRONTIERS IN ENERGY RESEARCH   9   2021年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    We consider the problem of short- and medium-term electricity demand forecasting by using past demand and daily weather forecast information. Conventionally, many researchers have directly applied regression analysis. However, interpreting the effect of weather on the demand is difficult with the existing methods. In this study, we build a statistical model that resolves this interpretation issue. A varying coefficient model with basis expansion is used to capture the nonlinear structure of the weather effect. This approach results in an interpretable model when the regression coefficients are nonnegative. To estimate the nonnegative regression coefficients, we employ nonnegative least squares. Three real data analyses show the practicality of our proposed statistical modeling. Two of them demonstrate good forecast accuracy and interpretability of our proposed method. In the third example, we investigate the effect of COVID-19 on electricity demand. The interpretation would help make strategies for energy-saving interventions and demand response.

    DOI： 10.3389/fenrg.2021.724780

  • Event Effects Estimation on Electricity Demand Forecasting. 査読 国際誌

    Okinaga Y, Kyogoku D, Kondo S, Nagano A, Hirose K

    Scientific Reports   11   2021年6月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

  • Relationship between gene regulation network structure and prediction accuracy in high dimensional regression. 査読 国際誌

    Hirose K, Wada K, Hori M,Taniguchi R

    Energies   13 ( 21 )   2020年11月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    遺伝子ネットワークと予測精度をシミュレーションし，そのソフトウェアを公開した．

  • L1正則化法に基づく因子分析および構造方程式モデリングの最近の展開 招待 査読

    廣瀬慧

    計算機統計学会   2020年6月

    　詳細を見る

    記述言語：日本語   掲載種別：研究論文（学術雑誌）  

  • Robust relative error estimation 査読

    Kei Hirose, Hiroki Masuda

    Entropy   20 ( 9 )   2018年8月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    Relative error estimation has been recently used in regression analysis. A crucial issue of the existing relative error estimation procedures is that they are sensitive to outliers. To address this issue, we employ the γ-likelihood function, which is constructed through γ-cross entropy with keeping the original statistical model in use. The estimating equation has a redescending property, a desirable property in robust statistics, for a broad class of noise distributions. To find a minimizer of the negative γ-likelihood function, a majorize-minimization (MM) algorithm is constructed. The proposed algorithm is guaranteed to decrease the negative γ-likelihood function at each iteration. We also derive asymptotic normality of the corresponding estimator together with a simple consistent estimator of the asymptotic covariance matrix, so that we can readily construct approximate confidence sets. Monte Carlo simulation is conducted to investigate the effectiveness of the proposed procedure. Real data analysis illustrates the usefulness of our proposed procedure.

    DOI： 10.3390/e20090632

  • Sparse factor regression via penalized maximum likelihood estimation. 査読 国際誌

    Hirose, K. and Imada, M.

    Statistical Papers   633 - 662   2018年5月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    In factor regression model, the maximum likelihood estimation suffers from three disadvantages: (i) the maximum likelihood estimates are unavailable when the number of variables exceeds the number of observations, (ii) the rotation technique based on maximum likelihood estimates produces an insufficiently sparse loading matrix, and (iii) multicollinearity can occur when the estimates of unique variances (specific variances) are small because the regression coefficients are sensitive to the inverse of unique variances. To handle these problems, we propose a penalized maximum likelihood procedure. Specifically, we impose a lasso-type penalty on the factor loadings to improve the sparseness of the solution. We also introduce a penalty on unique variances, which (given the factor scores) corresponds to the ridge penalty on the regression coefficient. Theoretical properties from a prediction viewpoint of our procedure are discussed. The effectiveness of the procedure is investigated through Monte Carlo simulations. The utility of our procedure is demonstrated on real data collected by an online questionnaire.

    DOI： 10.1007/s00362-016-0781-8

  • Readouts for echo-state networks built using locally regularized orthogonal forward regression 査読

    Ján Dolinský, Kei Hirose, Sadanori Konishi

    Journal of Applied Statistics   45 ( 4 )   740 - 762   2018年3月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    Echo state network (ESN) is viewed as a temporal expansion which naturally give rise to regressors of various relevance to a teacher output. We illustrate that often only a certain amount of the generated echo-regressors effectively explain the teacher output and we propose to determine the importance of the echo-regressors by a joint calculation of the individual variance contributions and Bayesian relevance using the locally regularized orthogonal forward regression (LROFR). This information can be advantageously used in a variety of ways for an analysis of an ESN structure. We present a locally regularized linear readout built using LROFR. The readout may have a smaller dimensionality than the ESN model itself, and improves robustness and accuracy of an ESN. Its main advantage is ability to determine what type of an additional readout is suitable for a task at hand. Comparison with PCA is provided too. We also propose a radial basis function (RBF) readout built using LROFR, since flexibility of the linear readout has limitations and might be insufficient for complex tasks. Its excellent generalization abilities make it a viable alternative to feed-forward neural networks or relevance-vector-machines. For cases where more temporal capacity is required we propose well studied delay&sum readout.

    DOI： 10.1080/02664763.2017.1305331

  • Robust sparse Gaussian graphical modeling 査読

    Kei Hirose, Hironori Fujisawa, Jun Sese

    Journal of Multivariate Analysis   161   172 - 190   2017年9月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    Gaussian graphical modeling is popular as a means of exploring network structures, such as gene regulatory networks and social networks. An L1 penalized maximum likelihood approach is often used to learn high-dimensional graphical models. However, the penalized maximum likelihood procedure is sensitive to outliers. To overcome this problem, we introduce a robust estimation procedure based on the γ-divergence. The proposed method has a redescending property, which is a desirable feature in robust statistics. The parameter estimation procedure is constructed using the Majorize-Minimization algorithm, which guarantees that the objective function monotonically decreases at each iteration. Extensive simulation studies show that our procedure performs much better than the existing methods, in particular, when the contamination ratio is large. Two real data analyses are used for illustration purposes.

    DOI： 10.1016/j.jmva.2017.07.012

  • An interpersonal sentiment quantification method applied to work relationship prediction 査読

    Miyuki Imada, Kei Hirose, Manabu Yoshida, Sun Yong Kim, Naoya Toyozumi, Guillaume Lopez, Yutaka Kano

    NTT Technical Review   15 ( 3 )   2017年3月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

    For a business to be successful, it is important for people in the business to consider how other people feel, that is, to consider interpersonal sentiment. Our research goal is to quantitatively predict the strength of interpersonal sentiment by analyzing a small amount of data on office employees, for example, their gender or age group, and data on events such as giving positive feedback on work done and sexual or power harassment without directly asking someone about their change in sentiment. In this article, we propose an interpersonal-sentiment-changing model for this quantification and propose two new analysis methods for developing prediction formulas. These methods can be used even if 90% of data is missing and in environments in which it is difficult to gather data in a comparatively short time. We also implement two visualization systems to predict how interpersonal sentiment changes for each event based on actual office data.

  • Graphical tool of sparse factor analysis 招待 査読 国際誌

    Yamamoto, M., Hirose, K., Nagata, H.

    Behaviormetrika   2017年1月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

  • Sparse modeling and model selection 査読

    Kei Hirose

    Journal of the Institute of Electronics, Information and Communication Engineers   99 ( 5 )   392 - 399   2016年5月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

▼全件表示

書籍等出版物

  • スパース推定法による統計モデリング

    川野秀一，松井 秀俊，廣瀬 慧（担当：共著）

    共立出版  2018年3月 

    　詳細を見る

    担当ページ：168ページ   記述言語：日本語   著書種別：学術書

講演・口頭発表等

  • Penalized likelihood approach in multivariate regression with missing values and its application to materials science 招待

    Hirose, K, Teramoto, K

    The 5th International Conference on Econometrics and Statistics (EcoSta 2022)  2022年6月 

    　詳細を見る

    開催年月日： 2022年6月

    記述言語：その他  

    国名：その他  

  • Computationally efficient forecasting algorithm in the SUTSE model and its properties

    Yoshida, W, Hirose, K

    The 5th International Conference on Econometrics and Statistics (EcoSta 2022)  2022年6月 

    　詳細を見る

    開催年月日： 2022年6月

    記述言語：その他  

    国名：その他  

  • Penalized likelihood factor analysis 招待

    Hirose, K

    The 51st Scientific Meeting of the Italian Statistical Society (SIS 2022)  2022年6月 

    　詳細を見る

    開催年月日： 2022年6月

    記述言語：その他  

    国名：その他  

  • スパース推定の最新の展開 招待

    廣瀬 慧, 松井 秀俊

    2022年度 応用統計学会  2022年5月 

    　詳細を見る

    開催年月日： 2022年5月

    記述言語：その他  

    国名：その他  

  • Sparse multivariate regression with missing values and its application to material properties prediction 招待

    Hirose, K, Teramoto, K

    IASC-ARS2022 (The 11th Conference of the IASC-ARS)  2022年2月 

    　詳細を見る

    開催年月日： 2022年2月

    記述言語：その他  

    国名：その他  

  • スパースモデリングによる 高次元材料データ解析 招待

    廣瀬慧

    第179回粘着研究会例会  2021年11月 

    　詳細を見る

    開催年月日： 2021年11月

    記述言語：その他  

    国名：その他  

  • 適切な誤差分散推定によるモデル選択後の予測精度向上

    吉田 航, 廣瀬 慧

    2021年度 統計関連学会連合大会  2021年9月 

    　詳細を見る

    開催年月日： 2021年9月

    記述言語：その他  

    国名：その他  

  • 回帰モデルの合計値予測とクラスタリング

    廣瀬 慧, 増田 弘毅

    2021年度 統計関連学会連合大会  2021年9月 

    　詳細を見る

    開催年月日： 2021年9月

    記述言語：その他  

    国名：その他  

  • 接着強度予測のための多変量解析 招待

    廣瀬 慧

    接着界面科学研究会第7回例会  2021年7月 

    　詳細を見る

    開催年月日： 2021年7月

    記述言語：その他  

    国名：その他  

  • Hierarchical multiclass discriminant analysis via cross-validation 招待

    Hirose, K. and Miura, K.

    The 4th International Conference on Econometrics and Statistics (EcoSta 2021)  2021年6月 

    　詳細を見る

    開催年月日： 2021年6月

    記述言語：その他  

    国名：その他  

  • 正則化因子分析とその応用 招待

    廣瀬慧

    RIMS-IMI 合同談話会  2021年3月 

    　詳細を見る

    開催年月日： 2021年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    国名：日本国  

  • Event Effects Estimation on Electricity Load Forecasting 国際会議

    Hirose K

    I 2 CNER＆IMI International Workshop.  2021年1月 

    　詳細を見る

    開催年月日： 2021年1月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • クラスタリングによる正準判別の精度向上と高速化.

    三浦完太, 廣瀬慧

    数学･数理科学専攻若手研究者のための異分野･異業種研究交流会2020  2020年10月 

    　詳細を見る

    開催年月日： 2020年10月

    記述言語：日本語   会議種別：口頭発表（一般）  

  • 目的変数に欠損を含むデータに対する多変量重回帰モデルを用いた補完アルゴリズムについて

    寺本圭佑, 廣瀬慧

    数学･数理科学専攻若手研究者のための異分野･異業種研究交流会2020  2020年10月 

    　詳細を見る

    開催年月日： 2020年10月

    記述言語：日本語   会議種別：口頭発表（一般）  

  • 遺伝子ネットワーク構造が予測精度に与える影響

    沖永悠一, 京極大助, 近藤聡, 永野惇, 廣瀬慧

    数学･数理科学専攻若手研究者のための異分野･異業種研究交流会2020  2020年10月 

    　詳細を見る

    開催年月日： 2020年10月

    記述言語：日本語   会議種別：口頭発表（一般）  

  • クラスタリングによる正準判別の精度向上とクロスバリデーションの高速化

    三浦完太, 廣瀬慧

    2020年度 科研費シンポジウム「多様な分野のデータに対する統計科学･機械的アプローチ」  2020年9月 

    　詳細を見る

    開催年月日： 2020年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

  • 遺伝子ネットワーク構造が予測精度に与える影響

    沖永悠一, 京極大助, 近藤聡, 永野惇, 廣瀬慧

    2020年度 科研費シンポジウム「多様な分野のデータに対する統計科学･機械的アプローチ」  2020年9月 

    　詳細を見る

    開催年月日： 2020年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

  • 電力需要予測のための統計モデルとソフトウェア

    廣瀬慧

    2020年度　統計関連学会連合大会  2020年9月 

    　詳細を見る

    開催年月日： 2020年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

  • 電力需要の短期予測のための統計モデリング

    廣瀬慧, 増田弘毅

    統計関連学会連合大会  2019年9月 

    　詳細を見る

    開催年月日： 2019年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    開催地：滋賀大学   国名：日本国  

  • Cluster-based multiclass linear discriminant analysis 招待 国際会議

    Hirose, K., Miura, K. and Koie, A.

    The 3rd International Conference on Econometrics and Statistics (EcoSta 2019).  2019年6月 

    　詳細を見る

    開催年月日： 2019年6月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • Prenet Penalization in Factor Analysis and its Applications 招待 国際会議

    Hirose, K. and Terada, Y.

    International Conference on Advances in Interdisciplinary Statistics and Combinatorics.  2018年10月 

    　詳細を見る

    開催年月日： 2018年10月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • 因子分析における単純構造推定のための正則化法とその応用 招待

    廣瀬慧，寺田吉壱

    日本行動計量学会  2018年9月 

    　詳細を見る

    開催年月日： 2018年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    国名：日本国  

  • 相対誤差に基づく回帰モデルのロバスト推定

    廣瀬慧，増田弘毅．

    2018 年度統計関連学会連合大会．  2018年9月 

    　詳細を見る

    開催年月日： 2018年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    国名：日本国  

  • Simple structure estimation via prenet penalization in factor analysis model 招待 国際会議

    Hirose, K. and Terada, Y.

    The 2nd International Conference on Econometrics and Statistics (EcoSta 2018).  2018年6月 

    　詳細を見る

    開催年月日： 2018年6月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • Prenet 正則化法による単純構造推定． 招待

    廣瀬慧

    日本地球惑星科学連合 2018 年大会  2018年5月 

    　詳細を見る

    開催年月日： 2018年5月

    記述言語：日本語   会議種別：口頭発表（一般）  

    国名：日本国  

  • Estimation of well-clustered structure via penalized maximum likelihood method in factor analysis model 招待 国際会議

    Hirose, K., and Terada, Y.

    10th International Conference of the ERCIM WG on Computational and Methodological Statistics (CMStatistics 2017)  2017年12月 

    　詳細を見る

    開催年月日： 2017年12月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • 電力取引市場における電力調達の最適化

    山口 尚哉，廣瀬 慧，堀 磨伊也，出口 喜也

    統計関連学会連合大会  2017年9月 

    　詳細を見る

    開催年月日： 2017年9月

    記述言語：日本語  

    国名：日本国  

  • 因子分析における単純構造推定のための正則化法

    廣瀬慧，寺田 吉壱

    統計関連学会連合大会  2017年9月 

    　詳細を見る

    開催年月日： 2017年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    国名：日本国  

  • 群の数が多い場合における多群線形判別

    小家 亜斗吏 廣瀬慧

    統計関連学会連合大会  2017年9月 

    　詳細を見る

    開催年月日： 2017年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    国名：日本国  

  • Perfect simple structure estimation via extension of quartimin criterion 招待 国際会議

    Hirose, K.

    Conference of the International Federation of Classification Societies (IFCS 2017)  2017年8月 

    　詳細を見る

    開催年月日： 2017年8月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • Robust estimation for high-dimensional Gaussian graphical models 招待 国際会議

    Hirose, K., Fujisawa, H.

    The 1st International Conference on Econometrics and Statistics (EcoSta 2017)  2017年6月 

    　詳細を見る

    開催年月日： 2017年6月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • 進化計算研究者のための統計解析及び機械学習 招待

    廣瀬慧

    第１２回進化計算学会研究会  2017年3月 

    　詳細を見る

    開催年月日： 2017年3月

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    国名：日本国  

  • 超高次元データの統計解析における最適化問題 招待

    廣瀬慧

    OR九州支部  2017年3月 

    　詳細を見る

    開催年月日： 2017年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    国名：日本国  

  • 正則化法によるスパース推定とその応用 招待

    廣瀬慧

    電気学会 全国大会  2017年3月 

    　詳細を見る

    開催年月日： 2017年3月

    記述言語：日本語   会議種別：口頭発表（一般）  

    国名：日本国  

  • スパース推定法による高次元データ解析 招待 国際会議

    廣瀬慧

    統計科学研究会  2016年12月 

    　詳細を見る

    開催年月日： 2016年12月

    記述言語：日本語   会議種別：口頭発表（招待・特別）  

    国名：日本国  

  • ロバストかつスパースなガウシアングラフィカルモデリングと遺伝子データへの応用

    廣瀨 慧, 藤澤　洋徳

    統計関連学会連合大会  2016年9月 

    　詳細を見る

    開催年月日： 2016年9月

    記述言語：日本語   会議種別：口頭発表（一般）  

    開催地：金沢大学   国名：日本国  

    スパースガウシアングラフィカルモデルのロバスト推定を行うためにガンマ尤度と呼ばれる外れ値に影響を受けにくい関数を使ってパラメータを推定する．

  • Robust Estimation for Gaussian Graphical Modeling and Its Application to Gene Expression Data 招待 国際会議

    Hirose, K. and Fujisawa, H.

    The fifth International Conference on Continuous Optimization. National Graduate Institute for Policy Studies (GRIPS)  2016年8月 

    　詳細を見る

    開催年月日： 2016年8月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • Robust Estimation for Sparse Gaussian Graphical Modeling 招待 国際会議

    Hirose, K.

    The 4th Institute of Mathematical Statistics Asia Pacific Rim Meeting (IMS-APRM).  2016年6月 

    　詳細を見る

    開催年月日： 2016年6月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • Sparse factor model via regularization and its extension to regression analysis

    Hirose, K.

    日本計算機統計学会第30回大会  2016年5月 

    　詳細を見る

    開催年月日： 2016年5月

    記述言語：英語   会議種別：口頭発表（一般）  

    国名：日本国  

  • 欠測がある場合におけるスパース多変量重回帰分析と物性予測への応用

    廣瀬 慧, 寺本 圭佑

    2022年度 統計関連学会連合大会  2022年9月 

    　詳細を見る

    記述言語：その他  

    国名：その他  

▼全件表示

MISC

  • スパースモデリングとモデル選択

    廣瀨 慧

    電子情報通信学会誌   2016年5月

    　詳細を見る

    記述言語：日本語   掲載種別：記事・総説・解説・論説等（学術雑誌）  

    本稿は，スパースモデリングの代表的な手法である LASSO（Least Absolute Shrinkage and Selection Operator）の理論研究に関するサーベイ記事である．まず，従来の変数選択法と LASSO との関係性を明らかした，LARS アルゴリズム（Least Angle Regression）を解説する．次に，変数の数が観測数よりも多い場合における LASSO の収束レートや変数選択の一致性に関する研究を幾つか紹介する．

  • マルチスケール構造解明のためのビッグデータ解析手法の研究開発

    廣瀬慧

    2022年2月

    　詳細を見る

    記述言語：その他  

  • スパースモデリングの基本と応用例

    廣瀬慧

    マテリアルステージ, 技術情報協会   2022年2月

    　詳細を見る

    記述言語：その他  

  • 因子分析モデルにおける構造正則化

    廣瀬慧

    京都大学 数理解析研究所 講究録   2019年6月

    　詳細を見る

    記述言語：日本語   掲載種別：機関テクニカルレポート，技術報告書，プレプリント等  

Works（作品等）

  • Rパッケージ hclda

    三浦完太，廣瀬慧

    2021年6月

    　詳細を見る

    クロスバリデーションに基づく線形判別分析のクラスタリング

  • Rパッケージ simrnet

    沖永悠一，廣瀬慧

    2021年2月

    　詳細を見る

    elastic netのシミュレーションを行うパッケージ．ネットワーク構造をも考慮する．
    elastic netのシミュレーションを行うパッケージ．ネットワーク構造をも考慮する．

  • 電力需要予測ソフト

    廣瀬慧

    2020年6月

    　詳細を見る

    JEPXのスポット市場での電力調達に使える需要予測ソフト．

  • Rパッケージ　rsggm

    廣瀬慧

    2015年12月

    　詳細を見る

    ロバストかつスパースなガウシアングラフィカルモデル

  • Rパッケージ　fanc

    廣瀬慧，山本倫生，永田晴久

    2012年5月

    　詳細を見る

    正則化法による因子分析

産業財産権

特許権   出願件数: 0件   登録件数: 0件
実用新案権   出願件数: 0件   登録件数: 0件
意匠権   出願件数: 0件   登録件数: 0件
商標権   出願件数: 0件   登録件数: 0件

所属学協会

  • American Statistical Association, 日本統計学会, 応用統計学会, 計算機統計学会, Bulletin of Informatics and Cybernetics

委員歴

  • 日本統計学会   多様性推進特別委員会   国内

    2021年4月 - 2024年3月   

  • 計算機統計学会 欧文誌編集委員   編集委員   国内

    2015年1月 - 2018年3月   

学術貢献活動

  • 学術論文等の審査

    役割：査読

    2023年

    　詳細を見る

    種別：査読等 

    外国語雑誌　査読論文数：5

    日本語雑誌　査読論文数：1

    国際会議録　査読論文数：0

    国内会議録　査読論文数：0

  • 学術論文等の審査

    役割：査読

    2022年

    　詳細を見る

    種別：査読等 

    外国語雑誌　査読論文数：8

  • 学術論文等の審査

    役割：査読

    2021年

    　詳細を見る

    種別：査読等 

    外国語雑誌　査読論文数：6

    日本語雑誌　査読論文数：1

  • 学術論文等の審査

    役割：査読

    2020年

    　詳細を見る

    種別：査読等 

    外国語雑誌　査読論文数：12

    日本語雑誌　査読論文数：0

    国際会議録　査読論文数：0

    国内会議録　査読論文数：0

  • 学術論文等の審査

    役割：査読

    2019年

    　詳細を見る

    種別：査読等 

    外国語雑誌　査読論文数：9

    日本語雑誌　査読論文数：0

    国際会議録　査読論文数：0

    国内会議録　査読論文数：0

  • 学術論文等の審査

    役割：査読

    2018年

    　詳細を見る

    種別：査読等 

    外国語雑誌　査読論文数：15

  • 学術論文等の審査

    役割：査読

    2017年

    　詳細を見る

    種別：査読等 

    外国語雑誌　査読論文数：5

    日本語雑誌　査読論文数：0

    国際会議録　査読論文数：0

    国内会議録　査読論文数：0

▼全件表示

共同研究・競争的資金等の研究課題

  • 高次元時系列解析におけるスパース因子分析とエネルギービッグデータへの応用

    研究課題/領域番号：23K11007  2023年 - 2025年

    日本学術振興会  科学研究費助成事業  基盤研究(C)

    　 詳細を見る

    資金種別：科研費

  • 代数的・幾何的アプローチによる因子分析モデルの最尤推定量の性質の解明

    研究課題/領域番号：23H04474  2023年 - 2024年

    日本学術振興会・文部科学省  科学研究費助成事業  学術変革領域研究(A)

    　 詳細を見る

    担当区分：研究代表者  資金種別：科研費

  • 予測モデルのグループ化を目的とするクラスター分析とその応用

    研究課題/領域番号：19K11862  2019年 - 2021年

    日本学術振興会  科学研究費助成事業  基盤研究(C)

    　 詳細を見る

    担当区分：研究代表者  資金種別：科研費

  • 材料実験データの統計解析技術

    2016年8月 - 2018年7月

    共同研究

    　 詳細を見る

    担当区分：研究代表者  資金種別：その他産学連携による資金

  • スパース正則化法に基づく探索的構造方程式モデリング

    研究課題/領域番号：15K15949  2015年 - 2018年

    科学研究費助成事業  若手研究(B)

    　 詳細を見る

    担当区分：研究代表者  資金種別：科研費

担当授業科目

  • 数理科学特論８

    2024年10月 - 2025年3月   後期

  • MMA講究D

    2024年10月 - 2025年3月   後期

  • 数理科学特別講義Ⅷ

    2024年10月 - 2025年3月   後期

  • 数理統計学

    2024年10月 - 2025年3月   後期

  • 統計的機械学習

    2024年10月 - 2024年12月   秋学期

  • 統計科学・演習

    2024年4月 - 2024年9月   前期

  • 数学共創基礎Ⅰ

    2024年4月 - 2024年6月   春学期

  • 統計数理学大意

    2023年10月 - 2024年3月   後期

  • 数学特論１５

    2023年10月 - 2024年3月   後期

  • 機械学習と人工知能

    2023年10月 - 2023年12月   秋学期

  • 数学創発モデリング

    2023年4月 - 2024年3月   通年

  • 統計科学・演習

    2023年4月 - 2023年9月   前期

  • 数学共創基礎Ⅰ

    2023年4月 - 2023年6月   春学期

  • 統計数理学大意

    2022年10月 - 2023年3月   後期

  • 数学特論１５（統計数理学）

    2022年10月 - 2023年3月   後期

  • 機械学習と人工知能

    2022年10月 - 2022年12月   秋学期

  • 生命情報統計学特論

    2022年6月 - 2022年8月   夏学期

  • Bioinformatics, Advanced Course Ⅵ

    2022年6月 - 2022年8月   夏学期

  • 生命情報統計学特論

    2022年6月 - 2022年8月   夏学期

  • Bioinformatics and Statistics

    2022年6月 - 2022年8月   夏学期

  • 数理統計学

    2022年4月 - 2022年9月   前期

  • 統計科学・演習

    2022年4月 - 2022年9月   前期

  • 数学共創基礎Ⅰ

    2022年4月 - 2022年6月   春学期

  • 数理統計学

    2021年10月 - 2022年3月   後期

  • 統計数学・演習

    2021年10月 - 2022年3月   後期

  • 情報統計学演習

    2021年10月 - 2022年3月   後期

  • 機械学習と人工知能

    2021年10月 - 2021年12月   秋学期

  • 生命情報統計学特論

    2021年6月 - 2021年8月   夏学期

  • 数学共創基礎Ⅰ

    2021年4月 - 2021年6月   春学期

  • 統計数学演習

    2020年10月 - 2021年3月   後期

  • 情報数学特論3

    2020年10月 - 2021年3月   後期

  • 生命情報統計学特論

    2020年4月 - 2020年9月   前期

  • 共創・共創基礎プロジェクト

    2019年10月 - 2020年3月   後期

  • 情報数学特論3

    2019年10月 - 2020年3月   後期

  • 統計数学

    2019年10月 - 2020年3月   後期

  • 機械学習と人工知能

    2019年10月 - 2020年3月   後期

  • 数理統計学

    2019年4月 - 2019年9月   前期

  • 生命情報統計学特論

    2019年4月 - 2019年9月   前期

  • 情報統計学基礎

    2019年4月 - 2019年9月   前期

  • 生命情報科学II

    2018年10月 - 2019年3月   後期

  • 統計数学・演習

    2018年10月 - 2019年3月   後期

  • 情報数学特論3

    2018年10月 - 2019年3月   後期

  • 数理統計

    2018年10月 - 2019年3月   後期

  • 生命情報統計学特論

    2018年4月 - 2018年9月   前期

  • 統計数理学基礎・演習

    2017年10月 - 2018年3月   後期

  • 生命情報統計学特論

    2017年10月 - 2018年3月   後期

  • 生命情報統計学特論

    2016年10月 - 2017年3月   後期

  • 数理統計学

    2016年10月 - 2017年3月   後期

  • 統計数理学大意

    2016年4月 - 2016年9月   前期

  • 数学特論15

    2016年4月 - 2016年9月   前期

  • 生命統計科学基礎

    2016年4月 - 2016年9月   前期

▼全件表示

他大学・他機関等の客員・兼任・非常勤講師等

  • 2023年  関西大学ソシオネットワーク戦路研究機糖  区分:兼任教員 

社会貢献・国際連携活動概要

  • 企業との共同研究や，FMfIやSGWへの参加を通じて，現実の問題に使える統計的手法の開発を行ってきた．また，COIでは社会実装に向けた取り組みを行った．

社会貢献活動

  • データ解析と統計学

    福岡県教育委員会  九州大学 西新プラザ  2019年8月

    　詳細を見る

    対象：社会人・一般,　学術団体,　企業,　市民団体,　行政機関

    種別：講演会

    近年、機械学習や統計解析のソフトウェアが普及し、データ解析が身近なものになりました。データ解析手法の基盤となっているのは、数学・統計学です。たとえば、データ解析手法の多くは、線形代数など基礎的な数学に基づいて構成されています。また、台風の予報などで使われる予測区間は、推定量のばらつきを評価する統計学に基づいています。
    本講義では、データ解析で用いられる様々な統計解析手法とその基盤を支える数学についてお話します。また、予測区間やモデル選択などの統計学の基礎についても説明します。

学内運営に関わる各種委員・役職等

  • 2023年4月 - 2025年3月   研究所 SGW委員

  • 2019年10月 - 2022年3月   センター 次世代接着技術研究センター運営委員