研究概要
機械学習は、ヒトのように学習するコンピュータを開発することが目的です。大量のデータを強力なコンピュータによって統計処理する最先端の機械学習技術は、音声認識、画像理解、自然言語翻訳などの実世界問題において、大きな成功を収めています。しかし、ヒトはそのようなビッグデータや莫大な計算能力を用いることなく知性を獲得しているため、機械学習とヒトの学習の間にはまだまだ大きな隔たりがあります、ニューロインテリジェンス国際研究機構における私の研究の目標は、人工知能とヒトの知能との隔たりを埋めることのできる、神経科学に基づいた新しい機械学習のパラダイムを構築し、次世代の知的情報処理技術基盤を確立することです。
主要論文
Hu, W., Niu, G., Sato, I., & Sugiyama, M. Does distributionally robust supervised learning give robust classifiers? In Proceedings of 35th International Conference on Machine Learning (ICML2018), pp.2029-2037, 2018.
Kiryo, R., du Plessis, M. C., Niu, G., & Sugiyama, M. Positive-unlabeled learning with non-negative risk estimator. In Advances in Neural Information Processing Systems 30, pp.1674-1684, 2017.
Sugiyama, M. Introduction to Statistical Machine Learning, Morgan Kaufmann, 2015.
Sugiyama, M. Statistical Reinforcement Learning: Modern Machine Learning Approaches, Chapman and Hall/CRC, 2015.
Sugiyama, M., Suzuki, T., & Kanamori, T. Density Ratio Estimation in Machine Learning, Cambridge University Press, 2012.
Sugiyama, M. & Kawanabe, M. Machine Learning in Non-Stationary Environments: Introduction to Covariate Shift Adaptation, MIT Press, 2012.
Sugiyama, M. Dimensionality reduction of multimodal labeled data by local Fisher discriminant analysis. Journal of Machine Learning Research, vol.8 (May), pp.1027-1061, 2007.
略歴
情報工学の学士（工学）、修士（工学）、博士（工学）の学位をそれぞれ1997年、1999年、2001年に東京工業大学から取得。2001年より同大学の助手、2003年より助教授（2007年より准教授に改称）。2014年より東京大学教授。2016年より理化学研究所革新知能統合研究センター長を併任。2016年度日本学術振興会賞および日本学士院学術奨励賞を受賞。機械学習とデータマイニングの理論研究とアルゴリズムの開発、および、その信号処理、画像処理、ロボット制御などへの応用研究に従事。
