Yasuo Matsuyama - Yasuo Matsuyama

Yasuo Matsuyama
YasuoMatsuyama-Wuxi-2017-04.jpg
Na workshopu HPC Connection 2017
narozený (1947-03-23) 23. března 1947 (věk 73)
Jokohama, Japonsko
Národnostjaponský
Alma materWaseda University (Dr. Engineering, 1974) Stanford University (PhD, 1978)
Známý jakoAlfa-EM algoritmus
Vědecká kariéra
PoleStrojové učení a vědomi si člověka zpracování informací
InstituceWaseda University, Stanford University
TezeStudie o stochastickém modelování neuronů (Dr. Engineering z Waseda University). Zpracujte opatření zkreslení a zpracování signálu (PhD ze Stanfordské univerzity).
Doktorský poradceWaseda University: Jun'ichi Takagi, Kageo Akizuki a Kastuhiko Shirai pro Dr. Engineering Stanford University: Robert M. Gray pro PhD
webová stránkahttp://www.f.waseda.jp/yasuo2/en/index.html

Yasuo Matsuyama (narozený 23 března 1947) je japonský výzkumník v strojové učení a vědomi si člověka zpracování informací.

Matsuyama je emeritní profesor a čestný vědecký pracovník Výzkumného ústavu vědy a techniky v Waseda University.

raný život a vzdělávání

Matsuyama získal bakalářské, magisterské a doktorské tituly z elektrotechniky Waseda University v letech 1969, 1971 a 1974. Titul disertační práce pro doktora techniky je Studie o stochastickém modelování neuronů.[1] Tam přispěl ke stékajícím neuronům stochastickou pulsně-frekvenční modulací. Poradci byli Jun'ichi Takagi, Kageo, Akizuki a Katsuhiko Shirai.

Po dokončení doktorské práce na univerzitě Waseda byl společným programem univerzity vyslán do Spojených států jako výměnný pracovník Japonsko-USA. Japonská společnost pro podporu vědy, Fulbrightův program a Institut mezinárodního vzdělávání. Prostřednictvím tohoto výměnného programu dokončil Ph.D. program na Stanford University v roce 1978. Titul disertační práce je Zpracujte opatření zkreslení a zpracování signálu.[2] Tam přispěl k teorii pravděpodobnostních zkreslení a jejích aplikacích na kódování řeči se spektrálním shlukováním nebo vektorové kvantování. Jeho poradce byl Robert. M. Gray.

Kariéra

V letech 1977 až 1078 byl Matsuyama výzkumným asistentem v Laboratoř Inofrmation Systems na Stanford University.

V letech 1979 až 1996 působil na fakultě Ibaraki University, Japonsko (konečná pozice byla profesorem a předsedou major Information and System Sciences Major).

Od roku 1996 působil jako profesor na univerzitě Waseda University, katedře výpočetní techniky a inženýrství. V letech 2011 až 2013 působil jako ředitel Centra mediálních sítí na Waseda University. Na 2011 zemětřesení a tsunami v Tohoku ze dne 11. března 2011 měl na starosti bezpečnostní šetření 65 000 studentů, štábů a fakult.

Od roku 2017 je Matsuyama emeritním profesorem a čestným výzkumným pracovníkem Výzkumný ústav vědy a techniky na univerzitě Waseda. Od roku 2018 působí jako úřadující prezident Waseda Electrical Engineering Society.

Práce

Matsuyama pracuje strojové učení a vědomi si člověka zpracování informací mít duální základy. Studie o konkurenčním učení (vektorové kvantování) pro jeho Ph.D. na Stanford University přinesl své úspěšné práce na příspěvcích strojového učení. Studie o stochastické špičaté neurony[3][4] pro jeho Dr. Engineering na univerzitě Waseda spustil aplikace biologických signálů do strojového učení. Jeho práce lze tedy seskupit tak, aby odrážely tyto duální základy.

Statistické algoritmy strojového učení: Použití alfa-logaritmického poměru pravděpodobnosti v cyklech učení vygenerovalo algoritmus alpha-EM (alpha-Expectation maximization algorithm).[5] Protože alfa-logaritmus obsahuje obvyklý logaritmus, obsahuje algoritmus alfa-EM Algoritmus EM (přesněji, algoritmus log-EM). Výhoda zrychlení zařízením alfa-EM oproti protokolu EM je způsobena schopností využívat minulé informace. Takové využití zpráv z minulosti přineslo algoritmus odhadu alfa-HMM (algoritmus odhadu alfa-skrytého Markovova modelu)[6] to je zobecněná a rychlejší verze skrytý Markovův model algoritmus odhadu (algoritmus odhadu HMM).

Konkurenční učení na empirických datech: Počínaje komprese řeči studia na Stanfordu se Matsuyama zobecnil konkurenční učení algoritmy; harmonická soutěž[7] a konkurence vícenásobného sestupu.[8] První realizuje optimalizaci více objektů. Ten připouští deformovatelné centroidy. Oba algoritmy zobecňují kvantizaci vektoru v dávkovém režimu (jednoduše se nazývá, vektorové kvantování ) a kvantizace vektoru v postupném režimu (neboli tzv učení vektorové kvantování ).

Hierarchie od alfa-EM po vektorovou kvantizaci: Matsuyama přispěl ke generování a identifikaci hierarchie výše uvedených algoritmů.

Ve třídě vektorové kvantizace a kompetitivního učení se podílel na generování a identifikaci hierarchie VQ.

  • VQ ⇔ {dávkový režim VQ a učení VQ}[8] ⊂ {harmonická soutěž}[7] ⊂ {soutěž o vícenásobné sestupové náklady}.[8]

Aplikace na zpracování informací s vědomím člověka: duální základy jeho vedlo k aplikacím na zpracování informací vědomých huma.

  1. Vyhledávací systémy pro podobné obrázky[9] a videa.[10]
  2. Bipedální humanoidní operace prostřednictvím invazivních a neinvazivních mozkových signálů i gest.[11]
  3. Kontinuální ověřování použití mozkovými signály.[12]
  4. Vlastní organizace[7] a injekce emocionálních funkcí na základě konkurenčního učení.[8]
  5. Rozklad sekvencí DNA analýzou nezávislé složky (US Patent: US 8 244 474 B2).
  6. Komprese dat řečových signálů konkurenční učení.[13][14][15]

Výše uvedené teorie a aplikace fungují jako příspěvky k IoCT (Internet of Collaborative Things) a IoXT (http://www.asc-events.org/ASC17/Workshop.php ).

Ceny a vyznamenání

Reference

  1. ^ Matsuyama, Yasuo (1974-03). "Studie o stochastickém modelování neuronů", http://www.f.waseda.jp/yasuo2/MatsuyamaWasedaDissertation.pdf
  2. ^ Matsuyama, Yasuo (1978-08). "Měření zkreslení procesu a zpracování signálu", http://www.f.waseda.jp/yasuo2/MatsuyamaStanfordDissertation.pdf
  3. ^ Matsuyama, Yasuo; Shirai, Katsuhiko; Akizuki, Kageo (01.09.1974). "O některých vlastnostech stochastických informačních procesů v neuronech a populacích neuronů". Kybernetik. 15 (3): 127–145. doi:10.1007 / BF00274585. ISSN  0023-5946. PMID  4853437. S2CID  31189652.
  4. ^ Matsuyama, Y. (01.09.1976). "Poznámka k stochastickému modelování posunovací inhibice". Biologická kybernetika. 24 (3): 139–145. doi:10.1007 / BF00364116. ISSN  0340-1200. PMID  999955. S2CID  5211589.
  5. ^ A b Matsuyama, Y. (březen 2003). "Algoritmus; -EM algoritmus: náhradní maximalizace pravděpodobnosti pomocí alfa; -logaritmické informační míry". Transakce IEEE na teorii informací. 49 (3): 692–706. doi:10.1109 / tit.2002.808105. ISSN  0018-9448.
  6. ^ Matsuyama, Y. (červenec 2017). „Alfa-algoritmus odhadu Alpha-HMM: Rychlé cykly navádějí rychlé cesty“. Transakce IEEE při zpracování signálu. 65 (13): 3446–3461. doi:10.1109 / tsp.2017.2692724. ISSN  1053-587X. S2CID  34883770.
  7. ^ A b C Matsuyama, Y. (květen 1996). "Harmonická soutěž: samoorganizující se optimalizace více kritérií". Transakce IEEE na neuronových sítích. 7 (3): 652–668. doi:10.1109/72.501723. ISSN  1045-9227. PMID  18263462.
  8. ^ A b C d Matsuyama, Y. (leden 1998). „Soutěž o vícenásobné sestupové náklady: obnovitelná samoorganizace a zpracování multimediálních informací“. Transakce IEEE na neuronových sítích. 9 (1): 106–122. doi:10.1109/72.655033. ISSN  1045-9227. PMID  18252433.
  9. ^ Katsumata, Naoto; Matsuyama, Yasuo (2005). Msgstr "Načítání databáze pro podobné obrázky pomocí ICA a PCA základen". Inženýrské aplikace umělé inteligence. 18 (6): 705–717. doi:10.1016 / j.engappai.2005.01.002.
  10. ^ Horie, Teruki; Shikano, Akihiro; Iwase, Hiromichi; Matsuyama, Yasuo (09.11.2015). Učení algoritmů a podpisů rámců pro hodnocení podobnosti videa. Zpracování neurálních informací. Přednášky z informatiky. Springer, Cham. 147–157. doi:10.1007/978-3-319-26532-2_17. ISBN  9783319265315.
  11. ^ Matsuyama, Yasuo; Noguchi, Keita; Hatakeyama, Takashi; Ochiai, Nimiko; Hori, Tatsuro (2010-08-28). Rozpoznávání a přeměna mozkového signálu na symbiózu s ambulantními humanoidy. Mozková informatika. Přednášky z informatiky. Springer, Berlín, Heidelberg. 101–111. doi:10.1007/978-3-642-15314-3_10. ISBN  9783642153136.
  12. ^ Matsuyama, Yasuo; Shozawa, Michitaro; Yokote, Ryota (2015). "Nízkofrekvenční signál mozku odpovídá nepřetržitému ověřování". Neuropočítání. 164: 137–143. doi:10.1016 / j.neucom.2014.08.084.
  13. ^ Gray, R .; Buzo, A .; Gray, A .; Matsuyama, Y. (srpen 1980). Msgstr "Měření zkreslení pro zpracování řeči". Transakce IEEE na akustiku, řeč a zpracování signálu. 28 (4): 367–376. doi:10.1109 / tassp.1980.1163421. ISSN  0096-3518.
  14. ^ Matsuyama, Y .; Gray, R. (leden 1981). Msgstr "Univerzální stromové kódování pro řeč". Transakce IEEE na teorii informací. 27 (1): 31–40. doi:10.1109 / tit.1981.1056306. ISSN  0018-9448.
  15. ^ Matsuyama, Y .; Gray, R. (duben 1982). "Systémy kódování hlasu a kódování stromů, systémy komprese řeči založené na porovnávání inverzního filtru". Transakce IEEE na komunikaci. 30 (4): 711–720. doi:10.1109 / tcom.1982.1095512. ISSN  0090-6778.

externí odkazy