日本語/ English

奥野おくの 彰文あきふみ

京都大学大学院 情報学研究科 システム科学専攻 数理システム論分野 下平研究室 博士後期課程
日本学術振興会 特別研究員 (DC2), 理化学研究所 革新知能統合研究センター 研究支援パートタイマー
mailto: okuno [あっと] sys.i.kyoto-u.ac.jp
(図: 独断と偏見に満ちた分類と興味対象)

本棚
経歴
学歴
2017年4月- 京都大学大学院 情報学研究科 システム科学専攻 数理システム論分野 博士後期課程
2016年4月-2017年3月 大阪大学大学院 基礎工学研究科 システム創成専攻 数理科学領域 博士後期課程 (指導教官異動に伴い,転学)
2014年4月-2016年3月 大阪大学大学院 基礎工学研究科 システム創成専攻 数理科学領域 博士前期課程
修士論文題目「グラフ埋め込みの反復重み付けによるロバスト化」(指導教員:下平英寿 教授)
2010年4月-2014年3月 大阪大学 基礎工学部 情報科学科 数理科学コース
卒業論文題目「ロバストな情報量規準の提案とその応用」(指導教員:下平英寿 教授)
2004年4月-2010年3月 立命館中学高等学校 (SSコース)
海外滞在経験
2016年10月-2016年11月 バークレー校統計学部 データ科学派遣プログラム(大阪大学MMDS) [写真]
2016年2月-2016年5月 オハイオ州立大学工学部 Prof. Belkin's lab データ科学派遣プログラム(大阪大学MMDS) [写真]
(上記以外の私的海外滞在:アメリカ(2回,合計1か月程度),シンガポール(2回,合計3週間程度),オーストラリア(1回,3週間程度))
受賞歴
2017年3月 優秀発表賞 (第11回日本統計学会春季集会) 日本統計学会
2016年5月 特に優れた業績による返還免除 (全額, 第1種奨学金) 日本学生支援機構
2016年3月 基礎工学研究科賞 大阪大学大学院基礎工学研究科
2014年3月 基礎工学部賞 大阪大学基礎工学部
2010年3月 木村賞 立命館学園
教育経験など
2018年4月-(現在) 研究支援パートタイマー 理化学研究所 革新知能統合研究センター
2017年5月-2018年3月 研修生 理化学研究所 革新知能統合研究センター
2017年4月-(現在) 特別研究員(DC2) 日本学術振興会
2017年2月-2017年3月 研究支援パートタイマー 理化学研究所 革新知能統合研究センター
2016年4月-2017年2月 シグマ Research Assistant 大阪大学大学院 基礎工学研究科
2015年10月-2016年3月 (留学生の)チューター OUSSEP
2014年4月-2017年2月 図書館ジュニアTA 大阪大学附属総合図書館
2014年4月-2016年3月 共通教育TA, 基礎工学部TAなど4件 阪大,省略
その他
Reviewer: AISTATS, JJSD
発表
(preprint)
  1. Akifumi Okuno and Hidetoshi Shimodaira. Robust Graph Embedding with Noisy Link Weights. (Submitted)
  2. Akifumi Okuno, Geewook Kim, and Hidetoshi Shimodaira. Graph Embedding with Shifted Inner Product Similarity and Its Improved Approximation Capability. [arXiv:1810.03463] (Submitted)
(査読あり国際学会)
  1. Akifumi Okuno and Hidetoshi Shimodaira. On representation power of neural network-based graph embedding and beyond. ICML Workshop (Theoretical Foundations and Applications of Deep Generative Models), Stockholm, July 2018. [Accepted Papers (14.)] [arXiv:1805.12332] [Poster (pdf)]
  2. Akifumi Okuno, Tetsuya Hada and Hidetoshi Shimodaira. A probabilistic framework for multi-view feature learning with many-to-many associations via neural networks. International Conference on Machine Learning (ICML), Stockholm, July 2018. [Proceedings] [arXiv:1802.04630] [Poster (pdf)] (Long talk)
  3. ◯Tetsuya Hada, Akifumi Okuno and Hidetoshi Shimodaira. Deep Multi-view Representation Learning Based on Adaptive Weighted Similarity, First International Workshop on Symbolic-Neural Learning, Nagoya, Aug 2017. [Abst]
  4. ◯Kazuki Fukui, Akifumi Okuno, and Hidetoshi Shimodaira. Image and tag retrieval by leveraging image-group links with multi-domain graph embedding, IEEE The International Conference on Image Processing, Arizona (USA), September 2016. [Paper]
(その他国際学会・シンポジウム)
  1. ◯Akifumi Okuno and Hidetoshi Shimodaira. Leveraging local data structure for multi-view analysis with many-to-many associations, IFCS 2017, Tokyo, Aug. 2017. [Poster]
  2. ◯Akifumi Okuno and Hidetoshi Shimodaira. Statistical consistency of multi-view correlation analysis with many-to-many associations, Joint Statistical Meeting 2017, Baltimore (USA), Aug 2017. [Abst] [Poster]
  3. ◯Akifumi Okuno and Hidetoshi Shimodaira. Robust Multi-view Graph Embedding, International Conference on Robust Statistics 2017, Wollongong (Australia), July 2017.
  4. ◯Akifumi Okuno and Hidetoshi Shimodaira. Robust cross-domain matching: Analyzing multi-domain data vectors under mismatched associations. Machine Learning Summer School 2015, Kyoto Unviersity, August 2015.
(国内学会・シンポジウム)
  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]
(その他セミナーなど)
  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] (予定)
  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.
おまけ