Slider

KASAI Laboratory has launched on September 21, 2019

It is pleased to announce that KASAI Laboratory at WASEDA University, Tokyo, Japan has launched on September 21, 2019. We will dedicate to a research area on optimization and learning theory and applications.

2019年9月21日,早稲田大学 基幹理工学部 情報通信学科/大学院基幹理工学研究科 情報理工・情報通信専攻に研究室をオープンしました.最適化理論・学習理論とその応用についての研究教育活動を開始しました.

Optimization and learning theory, machine learning and applications

Data-driven optimization and learning theory and its applications permeate various technical and application areas including, for instance, engineering, computer science, data science, medical science, life science, physics, social science, and humanities. We are dedicated to optimization and learning theory, machine learing and algorithm and its applications for small- and large-scale data. Specifically, we address non-linear and non-convex optimization and structured learning constrained with non-linear structure, for instance, orthogonality, positive definiteness, fixed-rankness, non-negativity, and sparsity. Our focus includes the development and validation of optimization and learning algorithms, the establishment of new machine learning models, and those practical applications. For those items, we tackle with respect to theoretic approaches and numerical evaluations. Its applications range from data analysis, computer vision, video surveillance, network traffic analysis, distributed sensing, and so on.

Keyword: non-linear convex and non-convex optimization, Riemannian manifold optimization, large-scale optimization, stochastic optimization, online learning, subspace learning, robust learning, sparse modeling, low-rank matrix and tensor approximation and factorization, optimal transport, geometric clustering, network & graph embedding

最適化理論・学習理論,機械学習とその応用

最適化理論および学習理論,機械学習,またその応用技術は,情報通信工学を含む工学,計算機科学,データ科学,医学,生命科学,物理学,ソーシャル科学,人文科学など,様々な分野に広く浸透し活用されています.本研究室では,スモールデータからビッグデータを対象とした最適化理論および学習理論,機械学習,またその応用について研究しています.特に,パラメータやデータが特殊な構造制約(直交性,正定値性,固定ランク,非負値性,スパース性など)を有する構造制約付き最適化・学習,とりわけ非線形構造制約付き非線形・非凸最適化・学習に着目しています.研究対象は,最適化・学習のためのアルゴリズムの開発とその評価,最適化・学習モデルの構築,またアプリケーションへの適用について,数値実験と理論的解析の両面からアプローチします.対象とするアプリケーション分野は,コンピュータ・ビジョン,バイオデータ処理,医療画像,映像カメラ監視,ネットワークトラヒック解析,データ解析,分散センシングなど,多彩です.

キーワード:非線形凸・非凸最適化,リーマン多様体最適化,大規模最適化,確率的最適化,オンライン学習,部分空間学習,ロバスト学習,スパースモデリング,低ランク行列・テンソル近似・分解,最適輸送問題,幾何クラスタリング,ネットワーク・グラフ埋め込み

LATEST NEWS

信号処理トップ会議IEEE ICASSP2020に3件の論文が採択
5月4日から8日にバルセロナ(スペイン)で開催される信号処理分野・トップ会議 IEEE 45th International Conference on Aco
Read more.
早稲田大学基幹理工学部情報通信学科に研究室オープン
2019年9月21日に,早稲田大学 基幹理工学部 情報通信学科/大学院基幹理工学研究科 情報理工・情報通信専攻に研究室をオープンしました.最適化理論・学習理論と
Read more.
情報処理学会AVM研究会で招待講演
2019年9月20日に,情報処理学会のAVM研究会で「非線形構造制約付き大規模機械学習問題への取り組み 〜 非厳密リーマン多様体最適化の理論と応用 〜」というタ
Read more.
早大・軽井沢セミナーハウスで合同夏合宿を開催
2019年8月18-20日に,毎年恒例の渡辺研究室&亀山研究室との合同夏合宿を早大・軽井沢セミナーハウスで開催しました.
Read more.
正定値対称行列 Simplex 多様体 arXiv Paper
複数の正定値対称行列から構成されるシンプレックス(Simplex)構造を有する多様体についての論文を arXiv paper に投稿しました.
Read more.
機械学習トップ会議ICML2019で発表
6月9日から15日にロングビーチ(カリフォルニア,US)で開催された機械学習・最難関トップ会議 International Conference on Mach
Read more.
R-SVRGの論文が最適化理論トップジャーナルSIOPTに採録
リーマン多様体上での確率的分散縮小勾配法についての論文が最適化理論トップジャーナルの SIAM Journal on Optimization に採録されました
Read more.
グラスマン多様体分散最適化の論文がMachine Learningに採録
パラメータ空間がグラスマン多様体を成す最適化問題において,処理のスケーラビリティと情報の秘匿性に適した分散最適化手法についての論文が,機械学習ジャーナルの Ma
Read more.
機械学習トップ会議NeurIPS2018で発表
12月2日から9日にモントリオール(カナダ)で開催された機械学習・最難関トップ会議 Neural Information Processing Systems 
Read more.

RESEARCH TOPICS