Profile Image

About Me

I am a doctoral student of Shimodaira Lab., Graduate School of Informatics, Kyoto University, Japan. I work as a JSPS research fellow (DC2), and a part-timer of RIKEN center for Artificial Intelligence Project (AIP). I studied mathematical statistics in my bachelor's (2014, B. Eng., Osaka U.) and master's (2016, M. Eng., Osaka U.), and my current research interest is theoretical aspects of machine learning (↪ AOI). My recent works have focused on feature learning methods, including graph embedding and correlation analysis. For details, please see my research projects, publications, and past presentations.

Personal Information

  • Name : Akifumi Okuno (奥野彰文)
  • Nationality : Japanese
  • Email : okuno [at]
  • [Research Gate] [DBLP]
  • Address : Room #103, Faculty of Engineering Integrated Research Building, Main Campus of Kyoto University, Kyoto, Japan.


Research projects of mine have focused on graph embedding (GE) and their theoretical aspects.


  1. Akifumi Okuno and Hidetoshi Shimodaira. "Robust Graph Embedding with Noisy Link Weights." (to appear in AISTATS2019; accepted papers)
  2. Akifumi Okuno, Geewook Kim, and Hidetoshi Shimodaira. "Graph Embedding with Shifted Inner Product Similarity and Its Improved Approximation Capability," CoRR abs/1810.03463, 29 pages. (to appear in AISTATS2019; accepted papers)
  3. Akifumi Okuno, Tetsuya Hada, and Hidetoshi Shimodaira. "A probabilistic framework for multi-view feature learning with many-to-many associations via neural networks," Proceedings of the 35th International Conference on Machine Learning (ICML), Stockholm, Sweden, 2018, PMLR 80:3888-3897.
    [Proceedings] [arXiv:1802.04630] (selected for long talk)
  4. Kazuki Fukui, Akifumi Okuno, and Hidetoshi Shimodaira. "Image and tag retrieval by leveraging image-group links with multi-domain graph embedding," Proceedings of the 2016 IEEE International Conference on Image Processing (ICIP), Phoenix, AZ, USA, 2016, pp. 221-225. doi: 10.1109/ICIP.2016.7532351.

Current CORE rating of AISTATS is "A (excellent)", ICML "A* (flagship)" and ICIP "B (good)".

  1. Akifumi Okuno and Hidetoshi Shimodaira. "On representation power of neural network-based graph embedding and beyond," ICML 2018 workshop on Theoretical Foundations and Applications of Deep Generative Models, CoRR abs/1805.12332, 2018, 13 pages.
    [Accepted Papers (14.)] [arXiv:1805.12332]


In the following lists, ◯ represents the presenter, and my name is underlined.

Latest update: Feb. 10th, 2019.

  1. Two poster presentations at AISTATS2019 on Apr. 16-18, 2019.
  2. Invited talk at the Workshop on Functional Inference and Machine Intelligence on Mar. 28-29, 2019.
  3. ◯Kim Geewook, 奥野彰文, 下平英寿. 擬ユークリッド空間への単語埋め込み. 言語処理学会第25回年次大会(NLP2019), 名古屋, 2019年3月. [プログラム]
  4. Poster presentation at ICT13 of Kyoto University on Feb. 20, 2019.

The following list excludes above publications.

  1. ◯Akifumi Okuno and Hidetoshi Shimodaira. Leveraging local data structure for multi-view analysis with many-to-many associations, Conference of the International Federation of Classification Societies (IFCS), Tokyo, Japan. August, 2017.
  2. ◯Tetsuya Hada, Akifumi Okuno and Hidetoshi Shimodaira. Deep Multi-view Representation Learning Based on Adaptive Weighted Similarity, First International Workshop on Symbolic-Neural Learning (SNL), Nagoya, Japan. August, 2017. [Abstract]
  3. ◯Akifumi Okuno and Hidetoshi Shimodaira. Statistical consistency of multi-view correlation analysis with many-to-many associations, Joint Statistical Meeting (JSM), Baltimore, USA. August, 2017. [Abstract]
  4. ◯Akifumi Okuno and Hidetoshi Shimodaira. Robust Multi-view Graph Embedding, International Conference on Robust Statistics (ICoRS), Wollongong, Australia. July, 2017.
  5. ◯Akifumi Okuno and Hidetoshi Shimodaira. Robust cross-domain matching: Analyzing multi-domain data vectors under mismatched associations. Machine Learning Summer School 2015, Kyoto University, Kyoto, Japan. August, 2015.
  1. ◯奥野彰文. グラフ埋め込みの確率モデルとその性質. (招待,京都大学 下平英寿教授との共同研究). RIMS研究集会「高次元量子雑音の統計モデリング」, 京都, 2018年11月.
  2. ◯奥野彰文, 下平英寿. ロバストなグラフ埋め込み. 情報論的学習理論と機会学習ワークショップ2018, 札幌, 2018年11月.
  3. ◯奥野彰文, Geewook Kim, 下平英寿. ニューラルネットワークを用いたグラフ埋め込みの表現定理とその拡張. 情報論的学習理論と機会学習ワークショップ2018, 札幌, 2018年11月.
  4. ◯田中卓磨, 奥野彰文, 下平英寿. グラフ埋め込みの次数補正とその応用. 情報論的学習理論と機会学習ワークショップ2018, 札幌, 2018年11月.
  5. ◯奥野彰文, 下平英寿. ニューラルネットワークを用いた異種データのグラフ埋め込み. 2018年度統計関連学会連合大会, 中央大学, 2018年9月. [Abst]
  6. ◯奥野彰文, 羽田哲也, 下平英寿. 属性ベクトルとニューラルネットワークを用いた異種データ間のリンク構造の最尤推定. 情報論的学習理論と機会学習ワークショップ2017, 東京大学, 2017年11月. [Poster]
  7. ◯奥野彰文, 下平英寿. Cross-view link prediction with attribute vectors and its information criterion (英語口頭発表). 2017年度統計関連学会連合大会, 南山大学, 2017年9月. [Abst]
  8. ◯奥野彰文, 下平英寿. 多対多対応を扱う相関分析の一致性について. 第11回日本統計学会春季集会, 政策研究大学院大学, 2017年3月. (優秀発表賞)
  9. ◯奥野彰文, 下平英寿. マッチング相関分析の一致性についての考察. JST CRESTシンポジウム「ビッグデータ利活用のための基盤構築とその応用」, 名古屋工業大学, 2017年2月.
  10. ◯奥野彰文, 下平英寿. 多対多対応を利用したマッチング相関分析の一致性について. 2016年度統計関連学会連合大会, 金沢大学, 2016年9月.
  11. ◯奥野彰文, 下平英寿. 反復重み付けによるロバストなマッチング相関分析. データ科学シンポジウム, 大阪大学, 2016年1月.
  12. ◯奥野彰文, 下平英寿. ロバストなマッチング相関分析の提案と画像認識への応用. 情報論的学習理論と機会学習ワークショップ2015, 筑波, 2015年11月.
  13. ◯奥野彰文, 福井一輝, 下平英寿. 多ドメインでのマッチング相関分析のロバスト化とその応用. 2015年度統計関連学会連合大会, 岡山大学, 2015年9月.
  14. ◯福井一輝, 奥野彰文, 下平英寿. マッチング相関分析を用いた画像-マルチタグ間の相互検索. 第18回画像の認識・理解シンポジウム, 大阪, 2015年7月.
  15. ◯奥野彰文, 下平英寿. Density Power Divergenceを用いたロバストな情報量規準の提案とその応用. 2014年度統計関連学会連合大会, 東京大学, 2014年9月. [Abst]
  1. ◯奥野彰文. ニューラルネットワークを用いたグラフ埋め込みの近似定理とその拡張. 九州大学 統計科学セミナー, 福岡, 2018年12月. [Abst]
  2. ◯奥野彰文, 下平英寿. Neural Network-Based Graph Embedding: Its Properties and Extensions. NTT CS研 セミナー, 京都, 2018年10月.
  3. ◯奥野彰文, 下平英寿. グラフ埋め込みの確率モデルとその性質について. 統計サマーセミナー, 岐阜, 2018年8月.
  4. ◯奥野彰文, 羽田哲也, 下平英寿. 異種データ間の複雑な対応付けを表現する確率モデルの提案とその応用. 広島大学数理統計講座 金曜セミナー, 広島, 2018年1月. [Abst]
  5. ◯福井 一輝, 羽田 哲也, 奥野 彰文, 押切 孝将, 下平 英寿. 2016. クロスドメインマッチング相関分析とその応用. 情報系 WINTER FESTA Episode2, 国立情報学研究所 (東京), 2016年12月.
  6. ◯奥野彰文, 下平英寿. 多対多対応を利用したマッチング相関分析の一致性について. 統計サマーセミナー, 千葉, 2016年8月.
  7. ◯奥野彰文, 下平英寿. 多ドメインでのマッチング相関分析のロバスト化とその応用. 統計サマーセミナー, 山口, 2015年8月.