九州大学 研究者情報
キーワードで探す 検索機能の使い方
キーワード
検索対象
※ 研究者情報全体を検索する場合は右端の「すべて」を選択して下さい。
詳細検索へ

研究者情報 (研究者の方へ)入力に際してお困りですか？
基本情報 研究活動 教育活動 社会活動
VASCONCELLOS VARGAS DANILO（ヴァスコンセロス　ヴァルガス ダニロ） データ更新日：2024.04.24

准教授　／　 システム情報科学研究院 情報学部門 九州大学大学院システム情報科学研究院 情報学部門　


主な研究テーマ
自己組織化による学習：人工知能の新たな基礎を開拓
キーワード：自己組織化、人工知能
2021.04～2025.04.
頑強な潜在変数の学習に関する研究
キーワード：敵対的機械学習
2020.04～2022.04.
人間の知覚に基づくロバストと安全な人工知能
キーワード：敵対的機械学習
2020.04～2022.04.
汎用人工知能、認知アーキテクチャ；
キーワード：人工汎用知能
2016.11～2016.11.
進化的計算、大域的最適化；

キーワード：進化的計算
2017.03～2017.03.
機会学習、（ディープ）ニューラルネットワーク、Neuroevolution；
キーワード：（ディープ）ニューラルネットワーク
2017.03～2017.03.
アプリケーション：サイバーセキュリティー、ロボット工学, 電気電子工学（例えば, 経済給電）、脳科学、医学 など。
キーワード：サイバーセキュリティー, ロボット工学, 電気電子工学, 脳科学、医学
2017.03～2017.03.
従事しているプロジェクト研究
自己組織化による学習：人工知能の新たな基礎を開拓
2022.08～2024.04, 代表者：ダニロ, 挑戦的研究(萌芽).
Small Anomaly Detection model development-small anomaly detection algorithm for autonomous driving based on Inpainting
2022.12～2024.12, 代表者：ダニロ, Huawei.
Research of Robust and Domain-invariant Algorithm for Machine Vision and Image Processing
2021.10～2023.10, 代表者：ダニロ, Huawei.
Data Fusion based Hybrid Deep Learning
2022.08～2024.04, 代表者：加藤 真平 , 東京大学, JST - Acceleration Phase – Program AIP.
光の極限性能を生かすフォトニックコンピューティングの創成
2023.04～2027.03, 代表者：川上 哲志, 東京大学, 学術変革領域研究 (A).
Learning Internal Representations Robust against Adversarial Attacks
2020.04～2022.04, 日本学術振興会 科学研究費助成事業 若手研究 .
研究業績
主要著書
全てを見る→
1. Steven Van Uytsel, Danilo Vasconcellos Vargas,
Autonomous Vehicles: Business, Technology and Law (Perspectives in Law, Business and Innovation)
, Springer, 2021.01.
主要原著論文
全てを見る→
1. D. V. Vargas, T. Asabuki, Continual General Chunking Problem and SyncMap, AAAI 2021, 2020.12, [URL], Humans possess an inherent ability to chunk sequences into their constituent parts. In fact, this ability is thought to bootstrap language skills and learning of image patterns which might be a key to a more animal-like type of intelligence. Here, we propose a continual generalization of the chunking problem (an unsupervised problem), encompassing fixed and probabilistic chunks, discovery of temporal and causal structures and their continual variations. Additionally, we propose an algorithm called SyncMap that can learn and adapt to changes in the problem by creating a dynamic map which preserves the correlation between variables. Results of SyncMap suggest that the proposed algorithm learn near optimal solutions, despite the presence of many types of structures and their continual variation. When compared to Word2vec, PARSER and MRIL, SyncMap surpasses or ties with the best algorithm on 66% of the scenarios while being the second best in the remaining 34%. SyncMap's model-free simple dynamics and the absence of loss functions reveal that, perhaps surprisingly, much can be done with self-organization alone..
主要学会発表等
全てを見る→
学会活動
所属学会名
IEEE
学会大会・会議・シンポジウム等における役割
2023.07.16～2023.07.19, GECCO 2024 (ACM, Core Rank: A), 委員.
2024.02.16～2024.02.19, AAAI 2024 (Core Rank: A*, One of the Top AI Conferences), 委員.
2023.02.16～2023.02.19, AAAI 2023 (Core Rank: A*, One of the Top AI Conferences), 委員.
2022.07.16～2022.07.19, GECCO 2022 (ACM, Core Rank: A), 委員.
2022.02.16～2022.02.19, AAAI 2022 (Core Rank: A*, One of the Top AI Conferences), 委員.
2021.07.16～2021.07.16, Twenty-Second International Workshop on Learning Classifier Systems, 委員.
2021.07.16～2021.07.19, GECCO 2021 (ACM, Core Rank: A), 委員.
2020.07.16～2020.07.16, GECCO 2020 (ACM, Core Rank: A), 委員.
2020.07.16～2020.07.16, IEEE CEC 2020, 委員.
2020.07.16～2020.07.16, Twenty-Second International Workshop on Learning Classifier Systems, 委員.
2019.07.16～2019.07.16, GECCO 2019 (ACM, Core Rank: A), 委員.
2019.07.16～2019.07.16, IEEE CEC 2019 , 委員.
2019.07.16～2019.07.16, Twenty-Second International Workshop on Learning Classifier Systems, 委員.
2018.07.16～2018.07.16, Twenty-First International Workshop on Learning Classifier Systems (at GECCO 2018), 幹事.
2018.07.16～2018.07.16, IEEE CEC 2018, 委員.
2018.07.16～2018.07.16, GECCO 2018 (ACM, Core Rank: A), 委員.
2017.07.16～2017.07.17, Evolutionary Rule-based Machine Learning Workshop (Twentieth International Workshop on Learning Classifier Systems), Organizer.
2017.07.16～2017.07.16, IEEE CEC 2017, 委員.
2017.07.10～2017.07.10, Workshop on Cybersecurity for IoT - Towards Secure Smart Buildings, Organizer.
学術論文等の審査
年度 外国語雑誌査読論文数 日本語雑誌査読論文数 国際会議録査読論文数 国内会議録査読論文数 合計
2023年度 10  0  8  0  18 
2022年度 10  0  10  0  20 
2021年度 20  0  20  0  40 
2020年度 8  0  10  0  18 
2019年度 5  0  12  0  17 
2018年度 0  0  12  0  12 
2017年度 2  0  5  0  7 
その他の研究活動
海外渡航状況, 海外での教育研究歴
University of Linkoping, Sweden, 2023.06～2023.06.
University of Sao Paulo, Brazil, 2022.06～2022.06.
Indian Institute of Technology Delhi, India, 2017.08～2017.08.
Indian Institute of Technology Delhi, India, 2018.09～2018.09.
受賞
IEEE Transactions on Evolutionary Computation Outstanding Paper Award 2022, IEEE, 2022.07.
2016 Excellent Student Award of The IEEE Fukuoka Section, IEEE Fukuoka Section, 2017.02.
研究資金
科学研究費補助金の採択状況(文部科学省、日本学術振興会)
2023年度～2027年度, 学術変革領域研究(A), 分担, 光の極限性能を生かすフォトニックコンピューティングの創成.
2022年度～2023年度, 挑戦的研究（萌芽）, 代表, 自己組織化による学習：人工知能の新たな基礎を開拓.
2020年度～2021年度, 若手研究, 代表, Learning Internal Representations Robust against Adversarial Attacks.
競争的資金(受託研究を含む)の採択状況
2022年度～2023年度, 科学技術振興費(主要5分野) (文部科学省), 分担, デジタルツインを用いた自動運転AIの検証と妥当性確認.
2020年度～2021年度, 科学技術振興調整費 (文部科学省), 代表, 頑強なハイブリッド深層学習モデルの自動探索システム (加速フェーズ).
2018年度～2019年度, 科学技術振興調整費 (文部科学省), 代表, 頑強なハイブリッド深層学習モデルの自動探索システム.
共同研究、受託研究(競争的資金を除く)の受入状況
2022.12～2023.12, 代表, Small Anomaly Detection model development-small anomaly detection algorithm for autonomous driving based on lnpainting.
2021.10～2023.10, 代表, Research of Robust and Domain-invariant Algorithm for Machine Vision and Image Processing.
2019.02～2019.07, 代表, ディープラーニングとニューロエボリューション（SUNA）を用いた教師データあり学習の船舶機械異常検知への適用　.
寄附金の受入状況
2023年度, Huawei, 使途特定寄附金.
学内資金・基金等への採択状況
2018年度～2019年度, 九州大学 QR Tsubasa, 分担, Misleading Algorithms: Interdisciplinary Perspectives on the Implications for Law.
2017年度～2017年度, 九州大学　データサイエンス実践教育経費公募分, 代表, 攻撃によって学習システムを解析する研究.
2017年度～2017年度, 九州大学　わかばチャレンジ (整理番号:29254), 代表, Learning to Run with High Dimensional Robots – A Reinforcement Learning Approach.
2016年度～2016年度, 九州大学　スタートアップ支援経費, 代表, 次世代機械学習の開発.


本データベースの内容を無断転載することを禁止します。

九大関連コンテンツ

pure2017年10月2日から、「九州大学研究者情報」を補完するデータベースとして、Elsevier社の「Pure」による研究業績の公開を開始しました。
　
QIR　九州大学学術情報リポジトリ システム情報科学研究院
システム情報科学研究院
Copyright © 2006, Kyushu University. All rights reserved.