Research
Machine learning, optimization and signal processing
Data-driven optimization, machine learning, and signal processing, and those theories and 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 machine learning, optimization, and signal processing, and their theories, algorithms, and applications for small- and large-scale data. Our focus includes the development and validation of optimization and learning algorithms, the establishment of new machine learning models, and practical applications. For those items, we tackle with respect to theoretic approaches and numerical evaluations. Its applications include data analysis, computer vision, video surveillance, network traffic analysis, distributed sensing, etc.
Keyword: non-linear convex and non-convex optimization, online learning, subspace learning, robust learning, dimensionality reduction, sparse modeling, low-rank matrix and tensor approximation and factorization, optimal transport, geometric clustering, network & graph embedding, graph representation learning, graph classification, sequential data classification, generative models (diffusion models, flow matching), deep learning
機械学習，最適化，信号処理とその応用
機械学習，最適化，信号処理の理論および応用技術は，情報工学，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．笠井研究室では，スモールデータからビッグデータを対象とした機械学習，最適化，信号処理の理論と応用について研究しています．研究対象は，機械学習・最適化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，オンライン学習，部分空間学習，ロバスト学習，次元削減，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，グラフ表現学習，グラフ分類，シーケンシャルデータ分類，確率的生成モデル（拡散モデル，フロー・マッチング），深層学習
