研究紹介
樹状突起計算 (7)
生物学的ニューロンにおける樹状突起の情報処理に着想を得た計算モデルと学習アルゴリズムを研究します．
Short-term traffic flow prediction with a dendritic neural network-enhanced time series decomposition framework リンク
- 季節・トレンド分解と樹状突起ニューラルネットワークを統合した短期交通流予測フレームワークTSDDNNを提案し，高精度かつ高効率な交通流予測を実現しました．
- 交通流時系列を季節成分，トレンド成分，残差成分へ分解し，各成分を個別に予測することで，複雑な交通時系列の特徴を効果的に学習する予測戦略を構築しました．
- OLSHADE-CS進化最適化アルゴリズムを用いて樹状突起ニューラルネットワークを学習し，収束性能と残差成分の非線形モデリング能力を向上させるとともに局所最適解への収束を抑制しました．
- 統計的時系列分解と生物学的着想に基づく樹状突起計算を融合することで，軽量かつ計算効率に優れた非線形交通流予測フレームワークを実現しました．
- 複数の実交通データセットにおいて，統計手法，機械学習，深層学習，Transformer系モデルを上回る予測性能と高い頑健性を実証しました．
Evaluating a novel incremental-input neural network for multivariate air temperature forecasting リンク
- 複雑な非定常時系列を効率的にモデル化するため，樹状突起ニューロン計算を拡張したIncremental-Input Neural Network（IINN）を提案し，多変量気温予測へ適用しました．
- Incremental-Input機構を導入することで，樹状突起分岐における情報伝播を維持し，高次元学習で生じる勾配消失，勾配爆発，および分岐退化を効果的に抑制しました．
- 軽量な樹状突起ニューラルアーキテクチャを設計し，計算効率を維持しながら非線形特徴表現能力とモデルの解釈性を向上させました．
- AdamW最適化手法を組み合わせることで，異なる予測期間においても安定した学習収束と高精度な多変量時系列予測を実現しました．
- 複数の実世界気象データセットにおいて，RNN，Transformer系モデル，および従来の樹状突起ニューロンモデルを上回る予測性能を達成しました．
Dendritic neural network: a novel extension of dendritic neuron model リンク
- 従来の樹状突起ニューロンモデルをニューラルネットワークへ拡張した Dendritic Neural Network（DNN）を提案しました．
- 柔軟なシナプス構造と樹状突起構造を導入し，非線形学習能力を高めました．
- 勾配消失を緩和するため，樹状突起構造を考慮したドロップアウト機構を開発しました．
- 複雑な分類タスクに対応するため，マルチ出力アーキテクチャを設計しました．
- ベンチマーク分類データセットにおいて最先端性能を達成しました．
Dendritic neural regression model trained by chicken swarm optimization algorithm for bank customer churn prediction リンク
- 生物学的着想に基づく樹状突起ニューラル計算と群知能最適化を統合したChicken Swarm OptimizationベースのDendritic Neural Regression Model（CSO-DNRM）を提案し，銀行顧客離脱予測へ適用しました．
- シナプス層，樹状突起層，膜層，細胞体層から構成される4層の樹状突起ニューラル回帰モデルを設計し，シナプスおよび樹状突起の枝刈りによってネットワーク構造を簡素化しつつ計算効率を向上させました．
- Chicken Swarm Optimization（CSO）アルゴリズムを用いてネットワークの重みと閾値を最適化し，大域探索と局所探索のバランスを考慮した効率的な学習を実現しました．
- 進化的最適化と樹状突起ニューラル計算を組み合わせることで，従来の勾配ベース学習手法より高い予測精度と高速な収束性能を達成しました．
- 公開ベンチマークデータセットにおいて優れた顧客離脱予測性能を示し，顧客関係管理および意思決定支援への有効性を実証しました．
A survey on dendritic neuron model: mechanisms, algorithms and practical applications リンク
- 樹状突起ニューロンモデル（DNM）に関する初めての包括的なサーベイを提示しました．
- DNM の機構，学習アルゴリズム，実応用を体系的に整理しました．
- DNM におけるニューロン枝刈り機構と論理回路変換機構を分析しました．
- 広範な実験により，DNM 学習のための代表的な最適化アルゴリズムを比較しました．
- 樹状突起ニューロンモデルの課題と今後の研究方向を議論しました．
Artificial immune system training algorithm for a dendritic neuron model リンク
- 樹状突起ニューロンモデルのための人工免疫システム（AIS）学習アルゴリズムを提案しました．
- 免疫機構に着想を得た大域探索により，DNM の最適化能力を向上させました．
- 誤差逆伝播法と比較して，収束速度を高め，局所最適解に陥るリスクを低減しました．
- モデルを自動的に簡略化するためのニューロン枝刈り機構を維持しました．
- 論理回路への変換を通じてハードウェア実装を可能にしました．
An evolutionary neuron model with dendritic computation for classification and prediction リンク
- 分類と予測のため，ホタルアルゴリズムを用いた進化型樹状突起ニューロンモデル（FADNM）を提案しました．
- メタヒューリスティック最適化により，樹状突起ニューロンモデルの学習能力を向上させました．
- 樹状突起構造を自動的に簡略化するためのニューロン枝刈り手法を導入しました．
- 枝刈り後のモデルを論理回路でハードウェア実装できるようにしました．
- 分類タスクと時系列予測タスクの両方で優れた性能を示しました．
時系列予測 (6)
実世界システムにおける予測・監視・意思決定支援のために，時間変化を捉えるモデルを研究します．
Decomposed seasonal-trend network with rotary attention for time series forecasting リンク
- トレンド成分と季節成分を専用モジュールで個別に学習する二分岐型時系列予測モデルDecomposed Seasonal-Trend Network with Rotary Attention（DSTN-RA）を提案しました．
- Rotary Position Embedding（RoPE）を組み込んだRotary Attentionモジュールを設計し，季節性信号に含まれる周期性および長距離の非線形時間依存関係を効果的に学習しました．
- ダウンサンプリングと特徴・時間方向の混合を組み合わせたマルチグラニュラリティChannel Mixingモジュールを開発し，多様な時間スケールにおけるトレンド変化を効率的に表現しました．
- 季節・トレンド分解を活用して異質な時間パターンを分離し，各成分に適した学習機構を適用することで，予測性能とモデルの解釈性を向上させました．
- 複数の時系列ベンチマークデータセットにおいて最先端の予測性能を達成し，アブレーション実験により分解手法，Rotary Attention，およびChannel Mixingの相補的効果を実証しました．
KPMG: a graphical Koopman-Mamba approach for financial markets リンク
- 金融市場予測のために，Koopman演算子を組み込んだMambaとグラフニューラルネットワークを統合し，時間依存性と変数間相関を同時に学習するハイブリッドモデルKPMGを提案しました．
- Koopman演算子を双方向Mambaへ統合したKoopman-Mambaモジュールを開発し，重要特徴を強調しながら金融時系列に含まれるノイズを抑制し，長期時間依存関係の表現能力を向上させました．
- Gaussian Kernel Graph（GKG）モジュールを設計し，金融指標間の関係を適応的なグラフ構造として表現することで，変数間相関を効率的に学習しました．
- Koopman-Mambaによる時間モデリングとGKGによるグラフ学習を統合し，予測精度に加えてInformation Coefficient（IC）およびRanked IC（RIC）を向上させ，信頼性の高い金融市場予測を実現しました．
- 複数の金融市場ベンチマークにおいて優れた予測性能を達成し，Koopmanスペクトル解析，状態空間モデル，およびグラフ学習を統合した金融時系列解析の有効性を実証しました．
Enhancing nonlinear dependencies of Mamba via negative feedback for time series forecasting リンク
- 時系列予測における非線形依存関係モデリングを強化する CME-Mamba を提案しました．
- 非線形特徴を強化するため，Maclaurin 展開に基づく負帰還機構を導入しました．
- 時間方向の依存関係と変数間依存関係を同時に捉える埋め込みチャネル注意機構を開発しました．
- 勾配消失を緩和し，学習安定性を向上させるため，Einstein FFT ブロックを組み込みました．
- 11 個の実世界時系列予測ベンチマークで最先端性能を達成しました．
Attention Mamba: time series modeling with adaptive pooling acceleration and receptive field enhancements リンク
- 適応的プーリングと双方向状態空間モデルを統合した新しいMambaベースの時系列モデルAttention Mambaを提案し，多変量時系列予測性能を向上させました．
- Adaptive Pooling注意機構を設計し，特徴を適応的に圧縮することで，受容野を拡大しつつグローバル文脈情報を保持し，注意計算を高速化しました．
- Adaptive Poolingと双方向Mambaブロックを組み合わせることで，長期・短期の非線形時間依存関係を効率的に学習しました．
- グローバル注意機構と選択的状態空間モデルを統合し，既存のMamba系列モデルより予測精度，学習効率，およびメモリ効率のバランスを改善しました．
- 複数の実世界時系列ベンチマークにおいて最先端の予測性能を達成し，適応的受容野拡張による複雑時系列モデリングの有効性を実証しました．
A survey on machine learning models for financial time series forecasting リンク
- 金融時系列予測のための機械学習モデルに関する包括的なサーベイを提示しました．
- 主要な予測モデルの利点と限界を体系的に比較しました．
- 広く用いられている金融データセット，評価指標，予測タスクを整理しました．
- 近年の研究動向と，深層学習およびハイブリッドモデルの利用拡大を分析しました．
- 金融時系列予測における未解決課題と今後の研究方向を示しました．
Adopting a dendritic neural model for predicting stock price index movement リンク
- 金融時系列予測のための樹状突起ニューラルモデル（DNM）を提案しました．
- DNM を最適化するためのスケールフリー差分進化（SFDE）アルゴリズムを開発しました．
- 金融時系列のカオス的ダイナミクスを捉えるため，位相空間再構成を統合しました．
- スケールフリー最適化により，探索と活用のバランスを改善しました．
- 複数のベンチマーク株価指数において優れた予測性能を達成しました．
コンピュータビジョン (5)
画像・映像・マルチモーダルな実世界観測を対象とした認識・解析手法を研究します．
A two-stage filtering approach for video-based document digitization リンク
- 時間的異常検知と密度ベースクラスタリングを組み合わせた，俯瞰動画から文書画像を自動抽出する軽量な二段階フィルタリングフレームワークを提案しました．
- 事前学習済みMobileNetV3特徴量のコサイン類似度を利用したページめくり検出手法を設計し，追加学習を必要とせず高精度なページ遷移検出を実現しました．
- OPTICSクラスタリングを導入して静止ページフレームをグループ化し，残存するページめくりフレームを除去するとともに，代表画像を自動選択しました．
- 手検出と重複画像除去を組み合わせたCPUのみで動作する実用的な文書デジタル化パイプラインを構築し，再撮影を必要としないバッチ処理を実現しました．
- 複数の実文書デジタル化データセットにおいて完全なRecallを達成し，専用スキャナに代わる低コストかつ高信頼な文書デジタル化手法であることを実証しました．
Hyperspectral image classification based on double-hop graph attention multiview fusion network リンク
- グラフ構造情報とマルチビュー特徴学習を統合した，ハイパースペクトル画像分類のためのDouble-hop Graph Attention Multiview Fusion Network（DGAT-MFN）を提案しました．
- Double-hop Graph Attention機構を導入し，近傍情報だけでなく遠距離のスーパー画素間関係も集約することで，従来のGATより広い受容野を実現しました．
- スペクトルチャネルと空間座標の依存関係を同時に学習するSpectral-Coordinate Attention Module（SCAM）を設計し，識別性の高いスペクトル・空間特徴を抽出しました．
- グローバルなスペクトル・空間情報とマルチスケールGaborテクスチャ特徴を統合するマルチビュー融合フレームワークを構築し，エッジ情報や均質領域の特徴保持を強化しました．
- 4つの代表的なハイパースペクトル画像データセットにおいて，少量の学習サンプルでも高い分類精度を達成し，グラフ学習，注意機構，マルチビュー融合の有効性を実証しました．
A framework of specialized knowledge distillation for Siamese tracker on challenging attributes リンク
- 困難な追跡シナリオに対する頑健性を向上させつつ，Siameseトラッカーを軽量化するSpecialized teachers Distilled Siamese Tracker（SDST）フレームワークを提案しました．
- 一般知識を学習するGeneral Teacherと，属性ごとの専門知識を持つSpecialized Teacherを組み合わせたマルチ教師知識蒸留方式を導入しました．
- 中間特徴表現と高次意味情報を同時に蒸留するMulti-teacher Specialized Knowledge Distillation（MSKD）モデルを設計し，特徴蒸留とソフトラベル蒸留を統合しました．
- 高速移動，遮蔽，低解像度，背景クラッタなどの困難属性における追跡性能を向上させるとともに，高いモデル圧縮率とリアルタイム推論を実現しました．
- 複数のSiameseトラッカーで有効性を実証し，最大8倍のモデル圧縮，252 FPSの高速推論，および困難属性全体にわたる安定した性能向上を達成しました．
DenseHashNet: a novel deep hashing for medical image retrieval リンク
- 内容ベース医療画像検索のためのエンドツーエンド深層ハッシングフレームワーク DenseHashNet を提案しました．
- マルチスケール特徴抽出と融合のため，Spatial Pyramid Pooling（SPP）モジュールを導入しました．
- 非線形特徴表現を強化するため，Power-Mean Transformation（PMT）モジュールを開発しました．
- ハッシュ学習のため，ペアワイズ損失，量子化損失，バランス損失を組み合わせた共同最適化戦略を設計しました．
- コンパクトなハッシュコードにより，医療画像データセットで最先端の検索性能を達成しました．
Evolutionary neural architecture design of liquid state machine for image classification リンク
- 液体状態機械（LSM）のための進化的ニューラルアーキテクチャ設計フレームワークを提案しました．
- 自動ニューラルアーキテクチャ探索のため，SHADE に基づく最適化戦略を開発しました．
- 事前知識や手動調整なしに，リザバーの主要ハイパーパラメータを最適化しました．
- 進化的アーキテクチャ最適化により，LSM の分類性能を向上させました．
- 手書き画像分類ベンチマークで優れた性能を示しました．
医療データマイニング (5)
多様な医療・ヘルスケアデータから臨床的に有用な知見を抽出する方法を研究します．
GlucoMixer: an efficient glucose monitoring model with mixers リンク
- 予測精度とモデルの信頼性の両立を目的として，Mixerアーキテクチャに基づくEncoder-only血糖値予測モデルGlucoMixerを提案しました．
- 将来情報の漏洩を防ぎつつ時系列の連続性を保持する，段階的三角マスキング機構を備えた軽量Mask Blockを設計しました．
- Conv1Dによる特徴抽出と2つのTime Mixer Blockを組み合わせたPattern Extraction Blockを開発し，異なる糖尿病パターンに対応する血糖変動を効果的に学習しました．
- 時間方向およびチャネル方向の特徴混合を統合したシンプルなMixerベース構造を採用し，計算量の大きい注意機構を用いずに高効率な特徴表現を実現しました．
- 複数のIn-DistributionおよびOut-of-Distribution血糖予測ベンチマークにおいて，予測精度と不確実性推定の双方で優れた性能を達成し，信頼性の高い臨床意思決定支援への有効性を実証しました．
A novel multivariate time series forecasting dendritic neuron model for COVID-19 pandemic transmission tendency リンク
- 多変量時系列予測のための密結合型高柔軟性樹状突起ニューロンモデル（DFDNM）を提案しました．
- 勾配消失および勾配爆発の問題を緩和するため，密なショートカット接続を導入しました．
- AdamW に基づく最適化を用いた高柔軟性樹状突起アーキテクチャを開発しました．
- COVID-19 感染拡大傾向の長期予測において最先端性能を達成しました．
- 複数の多変量予測ベンチマークにより，DFDNM の汎化性能を示しました．
Sensitivity of electrocardiogram on electrode-pair locations for wearable devices: computational analysis of amplitude and waveform distortion リンク
- 解剖学的人体モデルと電気生理シミュレーションを用いて，ウェアラブル双極心電図の電極配置を体系的に評価する計算フレームワークを構築しました．
- 体型，心臓サイズ，心臓の向き，および電極位置ずれが心電図振幅と波形歪みに及ぼす影響を，Dynamic Time Warping（DTW）を用いて定量的に解析しました．
- 心電図振幅は主に心臓－電極間距離に，波形歪みは電極から見た心臓の立体角に強く依存することを明らかにしました．
- 標準12誘導心電図のV2〜V3付近が，個体差や電極位置ずれの影響を受けにくい高品質な電極配置であることを示しました．
- ウェアラブル心電図デバイスにおける電極設計と高信頼な信号取得のための実用的な指針を提供しました．
Transmission trend of the COVID-19 pandemic predicted by dendritic neural regression リンク
- COVID-19 感染拡大傾向予測のための樹状突起ニューラル回帰（DNR）モデルを提案しました．
- 樹状突起ニューラルネットワークの回帰能力を高めるため，枝強度モデリングを導入しました．
- DNR を効率的に最適化するため，スケールフリー物質状態探索（SFSMS）アルゴリズムを開発しました．
- 感染症時系列に潜む非線形ダイナミクスを捉えるため，位相空間再構成を統合しました．
- 最先端の機械学習および深層学習手法を上回る予測性能を達成しました．
A novel machine learning technique for computer-aided diagnosis リンク
- コンピュータ支援医療診断のための進化型樹状突起ニューロンモデル（EDNM）を提案しました．
- gbest 誘導型人工蜂コロニーアルゴリズムを用いてモデルを最適化しました．
- モデルを自動的に簡略化するためのニューロン枝刈り機構を導入しました．
- 論理回路による直接的なハードウェア実装を可能にしました．
- 複数の医療データセットにおいて優れた診断性能を示しました．
説明可能AI（XAI） (3)
モデルの振る舞いを人間が理解できる，透明で信頼性の高いAI手法を研究します．
EDNMs for visual analytics of learning behavior and early risk prediction リンク
- ラーニングアナリティクスにおける解釈可能な早期リスク予測のため，アンサンブル樹状突起ニューロンモデル（EDNMs）を提案しました．
- 生物に着想を得たニューロン枝刈り機構により，可視的な特徴選択を可能にしました．
- 樹状突起を動的に枝刈りすることで，異なる時点の早期予測を単一モデルで行うフレームワークを開発しました．
- 予測週ごとに複数モデルを訓練する必要をなくし，計算コストを削減しました．
- 透明で説明可能な学習行動分析を提供しつつ，競争力のある予測性能を達成しました．
The mechanism of orientation detection based on color-orientation jointly selective cells リンク
- 色・方位同時選択性（COJS）細胞に基づく，生物に着想を得た方位検出機構を提案しました．
- 解釈可能な大域的方位検出のための人工視覚システム（AVS）を開発しました．
- McCulloch-Pitts ニューロンモデルに基づくハードウェア親和性の高い実装を設計しました．
- 優れた耐ノイズ性と汎化性能を備えた頑健な方位検出を実現しました．
- 特徴抽出を通じて，AVS が深層学習モデルの頑健性を効果的に向上できることを示しました．
A novel motion direction detection mechanism based on dendritic computation of direction-selective ganglion cells リンク
- 方向選択性神経節細胞（DSGCs）に基づく，生物に着想を得た運動方向検出機構を提案しました．
- 樹状突起計算を用いた二次元八方向の運動検出フレームワークを開発しました．
- 大域的な運動知覚のために，局所受容野の走査機構を導入しました．
- 大規模画像およびランダムドット画像に対して頑健な運動検出を実現しました．
- 視覚運動処理を理解するための生物学的に妥当な計算モデルを提示しました．
ラーニングアナリティクス (3)
学習行動データを用いて，理解・予測・教育支援を行うための分析手法を研究します．
LECTOR: summarizing e-book reading content for personalized student support リンク
- 講義スライドとトピックの関係をモデル化し，教育用電子教材の内容を要約する注意機構ベースの情報検索フレームワークLECTORを提案しました．
- 講義スライドの階層構造を活用した談話指向トピック抽出機構を設計し，従来の教育支援システムおよび最先端の教師なしキーフレーズ抽出手法を上回る性能を実現しました．
- 読書行動ログと意味的に文脈化された講義内容を統合するマルチモーダルフレームワークを構築し，トピックベースの学習嗜好を抽出しました．
- トピックレベルの読書特徴を導入することで，学習困難の要因や読書嗜好を説明可能な形で分析し，学習リスク予測と個別化支援の解釈性を向上させました．
- 2,255枚の講義スライドと60万件以上の電子教材閲覧ログを用いた大規模実験により，個別最適化学習支援およびラーニングアナリティクスへの有効性を実証しました．
From reflections to motifs: a graph-based analysis of learners' knowledge construction リンク
- 大規模言語モデルを用いて学習者の振り返り文章をPersonal Knowledge Graph（PKG）へ変換し，知識構築過程を明示的に表現するコンテキスト指向グラフ分析フレームワークを提案しました．
- グラフモチーフのマイニングと表現学習手法を開発し，繰り返し出現する部分グラフ構造を抽出することで，学習者の知識構造パターンを効果的に表現しました．
- モチーフをPath-like，Star-like，Hybridの3種類へ分類する構造分析手法を導入し，概念間の関係性や知識構築戦略を解釈可能な形で分析しました．
- モチーフ構造と学習成果との関係を統計的に分析し，知識構造の特徴が学習成果へ与える影響を定量的かつ説明可能な形で明らかにしました．
- モチーフベースの知識表現が，テキストベース手法やグラフニューラルネットワークを上回る成績予測および学習リスク学生検出性能を達成し，グラフマイニングの有効性を実証しました．
Visual analytics of learning behavior based on the dendritic neuron model リンク
- 樹状突起ニューロンモデルに基づく学習行動予測のための可視化分析フレームワークを提案しました．
- シナプスおよび樹状突起の枝刈り機構により，解釈可能な予測モデルを開発しました．
- 特徴重要度分析のため，個々の学習行動の寄与を定量化しました．
- 学生リスク予測において，RNN，LSTM，GRU，BiLSTM，BiGRU を上回る性能を達成しました．
- 早期介入と個別学習支援に役立つ実践的な知見を提供しました．
自然言語処理 (3)
知識の抽出・整理・活用を支える言語理解・生成技術を研究します．
Multi-granular legal information fusion with adversarial compensation: a hierarchical and logic-aware framework for robust case retrieval リンク
- 法的事例検索のための階層的かつ論理認識型フレームワークを提案しました．
- 事実，推論，判決をモデル化するための動的マスキング戦略を導入しました．
- 階層横断的な意味情報と論理に基づく融合機構を開発しました．
- 頑健な表現学習のための二チャネル敵対的補償モジュールを設計しました．
- 複数の中国語および英語の法的事例検索ベンチマークで最先端性能を達成しました．
DPFSI: a legal judgment prediction method based on deontic logic prompt and fusion of law article statistical information リンク
- 義務論理プロンプト学習，マルチグラニュラリティグラフ表現融合，および法条文統計情報を統合した法律判決予測フレームワークDPFSIを提案しました．
- 義務論理プロンプト学習を導入することで，事前学習言語モデルが法律文書中の義務，許可，禁止などの規範的意味をより適切に表現できるようにしました．
- PMIグラフ，AMRグラフ，および意味依存グラフをGated Graph Neural Networkで統合するマルチグラニュラリティグラフ融合機構を設計し，意味・構文・構造情報を統合的に学習しました．
- β-VAEを用いて法条文統計情報をテキスト特徴空間へ整合させ，低信頼特徴を適応的に置換する統計情報融合機構を提案し，過学習を抑制しながらモデルの頑健性を向上させました．
- 法律判決予測ベンチマークにおいて，特に適用法条予測で最先端性能を達成し，法律知識，グラフ推論，統計情報融合の有効性を実証しました．
MFLSCI: multi-granularity fusion and label semantic correlation information for multi-label legal text classification リンク
- マルチラベル法文分類のために，マルチグラニュラリティなテキスト特徴とラベル間意味相関を統合するMFLSCIフレームワークを提案しました．
- Graph Convolutional Network（GCN）とTextCNNを統合し，ラベル間の意味的依存関係とマルチグラニュラリティN-gram特徴を同時に学習することで，ラベル欠落やラベル混同を低減しました．
- テキスト特徴とラベル意味相関を融合した類似度ベースのソフトラベル分布を設計し，従来のマルチホット教師信号を確率分布によるソフトアラインメントへ置き換えました．
- テキストとラベルの類似度分布を動的に最適化することで，ノイズラベルに対する頑健性を向上させ，従来のLabel Smoothingを上回る性能を実現しました．
- 複数の法律文書データセットおよび一般マルチラベル分類データセットで優れた性能を達成し，提案手法の有効性と高い汎化性能を実証しました．
最適化 (3)
学習，探索，スケジューリング，知的システム設計のための最適化アルゴリズムを研究します．
A complex network-based firefly algorithm for numerical optimization and time series forecasting リンク
- スケールフリー複雑ネットワークを群知能最適化へ導入した複雑ネットワークベースのホタルアルゴリズム（CnFA）を提案しました．
- 完全結合型の個体間相互作用をネットワーク構造に基づく情報伝播へ置き換え，大域探索と局所探索のバランスを改善しました．
- 複雑ネットワークのべき乗則に基づく接続特性を利用し，集団多様性を維持するとともに早期収束を抑制しました．
- 提案したネットワーク誘導型探索機構は，ホタルアルゴリズム以外の集団ベース進化アルゴリズムにも適用可能であることを示しました．
- CEC2017ベンチマーク最適化問題および風速・PM2.5時系列予測において，高い最適化性能と予測精度を達成しました．
A cuckoo search algorithm with scale-free population topology リンク
- カッコウ探索アルゴリズムのためのスケールフリー集団トポロジーを提案しました．
- スケールフリーな情報交換により，探索と活用のバランスを改善しました．
- 大規模最適化問題において，解の品質と収束速度を向上させました．
- ベンチマーク関数と実世界の最適化問題により，提案手法を検証しました．
- スケールフリートポロジーが他の集団ベースアルゴリズムにも一般化可能であることを示しました．
An artificial bee colony algorithm search guided by scale-free networks リンク
- スケールフリーネットワークにより誘導されるスケールフリー人工蜂コロニー（SFABC）アルゴリズムを提案しました．
- スケールフリーな情報交換により，探索と活用のバランスを高めました．
- 劣った解が高品質な近傍解から学習するよう誘導することで，収束を高速化しました．
- 進化的最適化におけるスケールフリーネットワーク特性を体系的に分析しました．
- 提案機構が他の集団ベース最適化アルゴリズムの改善にも一般化可能であることを示しました．
創薬AI (2)
分子表現，物性予測，データ駆動型創薬を支えるAI技術を研究します．
ATLAS-DMPNN: an attention-guided topological framework for enhanced ADMET property prediction リンク
- ADMET特性予測のために，注意機構付きメッセージ伝播，トポロジカル特徴符号化，および構造モチーフマイニングを統合した拡張Directed Message Passing Neural Network（ATLAS-DMPNN）を提案しました．
- 注意機構に基づくメッセージ集約とゲート付き更新機構を導入し，薬理学的に重要な分子相互作用を強調する特徴学習を実現しました．
- 分子の位置情報，環構造，および幾何学的特徴を統合したトポロジカル特徴符号化手法を設計し，従来の分子グラフ表現より高い構造表現能力を実現しました．
- Ant Colony Optimization（ACO）に基づく構造モチーフマイニング機構を開発し，繰り返し出現するファーマコフォア部分構造を抽出して分子表現へ統合しました．
- 複数のADMETベンチマークデータセットにおいて，特に生物活性および毒性予測で高い性能を達成し，解釈可能なトポロジカル特徴と構造モチーフを組み合わせた分子グラフ学習の有効性を実証しました．
Improving the artificial bee colony algorithm with a proprietary estimation of distribution mechanism for protein-ligand docking リンク
- タンパク質–リガンドドッキングのために，問題固有のEstimation of Distribution Mechanism（EDM）を統合した人工蜂コロニーアルゴリズムABC-EDMを提案しました．
- リガンド位置の確率分布を推定しつつ，有望な分子コンフォメーションを保持する独自の探索機構を設計し，ドッキング探索効率を向上させました．
- タンパク質–リガンド相互作用に関する事前知識を最適化過程へ組み込むことで，一般的な進化計算手法より効率的な探索を実現しました．
- ABCの代表的な改良手法，進化計算アルゴリズム，およびAutoDock Vinaと比較して，優れたドッキング精度と最適化性能を達成しました．
- 問題固有の知識を活用した探索戦略が，構造ベース創薬およびタンパク質–リガンドドッキングの性能向上に有効であることを実証しました．