松山康雄

松山康雄
松山康雄
	2017 HPCコネクションワークショップにて
生まれる	1947年3月23日（77歳）; 横浜、日本
国籍	日本語
母校	早稲田大学（工学博士、1974年）スタンフォード大学（博士号、1978年）
知られている	Alpha-EMアルゴリズム
	科学者としてのキャリア
フィールド	機械学習と人間認識情報処理
機関	早稲田大学、スタンフォード大学
論文	ニューロンの確率モデルに関する研究（早稲田大学工学博士）; プロセス歪み測定と信号処理（スタンフォード大学博士）
博士課程の指導教員	早稲田大学：高木淳一、秋月景雄、白井克彦（工学博士）スタンフォード大学：ロバート・M・グレイ（博士号）
Webサイト	http://www.f.waseda.jp/yasuo2/ja/index.html

松山康雄（1947年3月23日生まれ）は、機械学習と人間認識情報処理の日本の研究者です。

松山氏は早稲田大学理工学研究所名誉教授・名誉研究員である。

幼少期と教育

松山は、1969年、1971年、1974年に早稲田大学で電気工学の学士号、修士号、博士号を取得しました。工学博士号の論文タイトルは「ニューロンの確率的モデル化に関する研究」です。^[1]そこで、彼は確率的パルス周波数変調によるスパイキングニューロンの研究に貢献しました。指導教員は、高木淳一、影尾、秋月、白井克彦でした。

早稲田大学で博士課程を修了後、日本学術振興会、フルブライト・プログラム、国際教育研究所の合同プログラムにより日米交換研究員として米国に派遣され、1978年にスタンフォード大学で博士号を取得。博士論文のタイトルは「プロセス歪み測度と信号処理」。^[2]そこで、確率的歪み測度の理論と、スペクトル・クラスタリングやベクトル量子化による音声符号化へのその応用について研究した。指導教官はロバート・M・グレイ。

キャリア

1977年から1978年まで、松山氏はスタンフォード大学情報システム研究所の研究助手を務めた。

1979年から1996年まで、茨城大学の教員を務めた（最終職は情報システム科学専攻の教授および学科長）。

1996年より早稲田大学理工学部情報理工学科教授。2011年から2013年まで早稲田大学メディアネットワークセンター長。 2011年3月11日の東日本大震災では、学生、教職員6万5千人の安否調査を担当。

2017年より早稲田大学理工学研究所名誉教授・栄誉研究員。2018年より早稲田大学電気工学会会長代行。

仕事

松山の機械学習と人間を意識した情報処理に関する研究は、 2つの基盤を持っています。スタンフォード大学での博士号取得のための競合学習（ベクトル量子化）の研究は、その後の機械学習への貢献につながりました。また、早稲田大学での工学博士号取得のための確率的スパイキングニューロン^[3]^[4]の研究は、生体信号の機械学習への応用のきっかけとなりました。したがって、彼の研究は、これらの2つの基盤を反映して分類することができます。

統計的機械学習アルゴリズム：学習サイクルでアルファ対数尤度比を使用することで、アルファEMアルゴリズム（アルファ期待値最大化アルゴリズム）が生成されました。^[5]アルファ対数には通常の対数が含まれているため、アルファEMアルゴリズムにはEMアルゴリズム（より正確にはlog-EMアルゴリズム）が含まれています。アルファEMがlog-EMよりも高速である利点は、過去の情報を利用できることによるものです。過去からのメッセージのこのような使用により、隠れマルコフモデル推定アルゴリズム（HMM推定アルゴリズム）の一般化および高速化バージョンであるアルファHMM推定アルゴリズム（アルファ隠れマルコフモデル推定アルゴリズム）[6]が生まれ^ました。

経験的データに基づく競争学習: スタンフォード大学での音声圧縮研究を出発点として、松山は一般化された競争学習アルゴリズム、すなわち調和競合^[7]と多重降下コスト競合^[8]を開発した。前者は複数オブジェクトの最適化を実現する。後者は変形可能な重心を許容する。両方のアルゴリズムはバッチモードベクトル量子化(単にベクトル量子化と呼ばれる)と逐次モードベクトル量子化(または学習ベクトル量子化と呼ばれる)を一般化する。

アルファEMからベクトル量子化までの階層: 松山は、上記アルゴリズムの階層の生成と識別に貢献しました。

Alpha-EM ^[5] ⊃ log-EM ⊃ 基本的な競合学習（ベクトル量子化、VQ、またはクラスタリング）。

ベクトル量子化と競合学習の授業では、VQの階層の生成と識別に貢献しました。

VQ ≡ {バッチモードVQ、学習VQ} ^[8] ⊂ {調和競合} ^[7] ⊂ {多重降下コスト競合}. ^[8]

人間認識情報処理への応用:彼の二重の基盤は、人間認識情報処理への応用につながりました。

類似画像^{[9]とビデオ}^[10]の検索システム。
侵襲的および非侵襲的な脳信号とジェスチャーによる二足歩行ヒューマノイドの操作。^[11]
脳信号による使用の継続的な認証。^[12]
自己組織化^[7]と競争学習に基づく感情特徴注入^[8]
独立成分分析による DNA 配列の分解 (米国特許: US 8,244,474 B2)。
競合学習による音声信号のデータ圧縮。^[13]^[14]^[15]

上記の理論とアプリケーションは、IoCT (Internet of Collaborative Things) および IoXT (http://www.asc-events.org/ASC17/Workshop.php) への貢献として機能します。

受賞と栄誉

2016年：早稲田大学e-Teaching賞
2015年：情報処理学会教科書賞
2014年: 情報処理学会フェロー
2013年: IEEE終身フェロー
2008年： ACMおよびIEEEよりCSTST 2008のY. Dote記念最優秀論文賞
2006年：LSI IP委員会よりLSI知的財産デザイン賞受賞
2004年: アジア太平洋ニューラルネットワーク学会より応用指向研究部門最優秀論文賞
2002年：電子情報通信学会フェロー賞受賞。
2001年：電気通信普及財団電気通信システム大賞
2001: IEEE Transactions on Neural Networks 優秀論文賞 2013-01-17 にWayback Machineでアーカイブ
1998年：競争を伴う学習アルゴリズムへの貢献によりIEEEよりフェロー賞受賞。^[16]
1992年：電子情報通信学会論文賞
1989年：電気通信普及財団電気通信システム推進賞

参考文献

^ 松山康雄 (1974-03). 「ニューロンの確率モデルに関する研究」 http://www.f.waseda.jp/yasuo2/MatsuyamaWasedaDissertation.pdf
^ 松山康雄 (1978-08). 「プロセス歪み測定と信号処理」、http://www.f.waseda.jp/yasuo2/MatsuyamaStanfordDissertation.pdf
^ 松山康雄; 白井克彦; 秋月景雄 (1974-09-01). 「ニューロンとニューロン集団における確率的情報処理のいくつかの特性について」Kybernetik . 15 (3): 127–145. doi :10.1007/BF00274585. ISSN 0023-5946. PMID 4853437. S2CID 31189652.
^ Matsuyama, Y. (1976-09-01). 「シャント抑制の確率モデル化に関するノート」.生物サイバネティクス. 24 (3): 139–145. doi :10.1007/BF00364116. ISSN 0340-1200. PMID 999955. S2CID 5211589.
^ ab Matsuyama, Y. (2003 年 3 月). 「α-EM アルゴリズム: α-対数情報量を使用した代理尤度最大化」. IEEE Transactions on Information Theory . 49 (3): 692–706. doi :10.1109/tit.2002.808105. ISSN 0018-9448.
^ Matsuyama, Y. (2017 年 7 月). 「アルファ HMM 推定アルゴリズム: 事前サイクルによる高速パスのガイド」. IEEE Transactions on Signal Processing . 65 (13): 3446–3461. Bibcode :2017ITSP...65.3446M. doi :10.1109/tsp.2017.2692724. ISSN 1053-587X. S2CID 34883770.
^ abc Matsuyama, Y. (1996年5月). 「調和的競争：自己組織化多基準最適化」. IEEE Transactions on Neural Networks . 7 (3): 652–668. doi :10.1109/72.501723. ISSN 1045-9227. PMID 18263462.
^ abcd Matsuyama, Y. (1998年1月). 「多重降下コスト競争: 復元可能な自己組織化とマルチメディア情報処理」. IEEE Transactions on Neural Networks . 9 (1): 106–122. doi :10.1109/72.655033. ISSN 1045-9227. PMID 18252433.
^ 勝又直人、松山康夫 (2005). 「ICA と PCA 基底を用いた類似画像のデータベース検索」人工知能の工学応用18 ( 6): 705–717. doi :10.1016/j.engappai.2005.01.002.
^ 堀江輝樹; 鹿野明弘; 岩瀬弘道; 松山康雄 (2015-11-09). 「ビデオ類似度ランキングのための学習アルゴリズムとフレームシグネチャ」.ニューラル情報処理. コンピュータサイエンスの講義ノート. Vol. 9489. Springer, Cham. pp. 147–157. doi :10.1007/978-3-319-26532-2_17. ISBN 9783319265315。
^ 松山康雄; 野口啓太; 畠山隆; 落合仁美子; 堀達郎 (2010-08-28). 「歩行型ヒューマノイドとの共生に向けた脳信号認識と変換」.脳情報学. コンピュータサイエンスの講義ノート. 第6334巻. Springer, ベルリン, ハイデルベルク. pp. 101–111. doi :10.1007/978-3-642-15314-3_10. ISBN 9783642153136。
^ 松山康雄; 正澤道太郎; 横手良太 (2015). 「脳信号の低周波は連続認証に適合する」. Neurocomputing . 164 : 137–143. doi :10.1016/j.neucom.2014.08.084.
^ Gray, R.; Buzo, A.; Gray, A.; Matsuyama, Y. (1980 年 8 月). 「音声処理における歪み測定」. IEEE Transactions on Acoustics, Speech, and Signal Processing . 28 (4): 367–376. doi :10.1109/tassp.1980.1163421. ISSN 0096-3518.
^ Matsuyama, Y.; Gray, R. (1981年1月). 「音声のためのユニバーサルツリーエンコーディング」. IEEE Transactions on Information Theory . 27 (1): 31–40. doi :10.1109/tit.1981.1056306. ISSN 0018-9448.
^ Matsuyama, Y.; Gray, R. (1982 年 4 月)。「逆フィルタマッチングに基づく音声符号化およびツリー 符号化音声圧縮システム」IEEE Transactions on Communications。30 ( 4): 711–720。doi : 10.1109 /tcom.1982.1095512。ISSN 0090-6778 。
^ 「IEEE フェロー 1998 | IEEE 通信協会」。

外部リンク

松山康雄早稲田大学名誉教授
IEEEの松山康夫氏

[1] 松山康雄 (1974-03). 「ニューロンの確率モデルに関する研究」 http://www.f.waseda.jp/yasuo2/MatsuyamaWasedaDissertation.pdf

[2] 松山康雄 (1978-08). 「プロセス歪み測定と信号処理」、http://www.f.waseda.jp/yasuo2/MatsuyamaStanfordDissertation.pdf

[3] 松山康雄; 白井克彦; 秋月景雄 (1974-09-01). 「ニューロンとニューロン集団における確率的情報処理のいくつかの特性について」Kybernetik . 15 (3): 127–145. doi :10.1007/BF00274585. ISSN 0023-5946. PMID 4853437. S2CID 31189652.

[4] Matsuyama, Y. (1976-09-01). 「シャント抑制の確率モデル化に関するノート」.生物サイバネティクス. 24 (3): 139–145. doi :10.1007/BF00364116. ISSN 0340-1200. PMID 999955. S2CID 5211589.

[:1-5] Matsuyama, Y. (2003 年 3 月). 「α-EM アルゴリズム: α-対数情報量を使用した代理尤度最大化」. IEEE Transactions on Information Theory . 49 (3): 692–706. doi :10.1109/tit.2002.808105. ISSN 0018-9448.

[6] Matsuyama, Y. (2017 年 7 月). 「アルファ HMM 推定アルゴリズム: 事前サイクルによる高速パスのガイド」. IEEE Transactions on Signal Processing . 65 (13): 3446–3461. Bibcode :2017ITSP...65.3446M. doi :10.1109/tsp.2017.2692724. ISSN 1053-587X. S2CID 34883770.

[:2-7] Matsuyama, Y. (1996年5月). 「調和的競争：自己組織化多基準最適化」. IEEE Transactions on Neural Networks . 7 (3): 652–668. doi :10.1109/72.501723. ISSN 1045-9227. PMID 18263462.

[:0-8] Matsuyama, Y. (1998年1月). 「多重降下コスト競争: 復元可能な自己組織化とマルチメディア情報処理」. IEEE Transactions on Neural Networks . 9 (1): 106–122. doi :10.1109/72.655033. ISSN 1045-9227. PMID 18252433.

[9] 勝又直人、松山康夫 (2005). 「ICA と PCA 基底を用いた類似画像のデータベース検索」人工知能の工学応用18 ( 6): 705–717. doi :10.1016/j.engappai.2005.01.002.

[10] 堀江輝樹; 鹿野明弘; 岩瀬弘道; 松山康雄 (2015-11-09). 「ビデオ類似度ランキングのための学習アルゴリズムとフレームシグネチャ」.ニューラル情報処理. コンピュータサイエンスの講義ノート. Vol. 9489. Springer, Cham. pp. 147–157. doi :10.1007/978-3-319-26532-2_17. ISBN 9783319265315。

[11] 松山康雄; 野口啓太; 畠山隆; 落合仁美子; 堀達郎 (2010-08-28). 「歩行型ヒューマノイドとの共生に向けた脳信号認識と変換」.脳情報学. コンピュータサイエンスの講義ノート. 第6334巻. Springer, ベルリン, ハイデルベルク. pp. 101–111. doi :10.1007/978-3-642-15314-3_10. ISBN 9783642153136。

[12] 松山康雄; 正澤道太郎; 横手良太 (2015). 「脳信号の低周波は連続認証に適合する」. Neurocomputing . 164 : 137–143. doi :10.1016/j.neucom.2014.08.084.

[13] Gray, R.; Buzo, A.; Gray, A.; Matsuyama, Y. (1980 年 8 月). 「音声処理における歪み測定」. IEEE Transactions on Acoustics, Speech, and Signal Processing . 28 (4): 367–376. doi :10.1109/tassp.1980.1163421. ISSN 0096-3518.

[14] Matsuyama, Y.; Gray, R. (1981年1月). 「音声のためのユニバーサルツリーエンコーディング」. IEEE Transactions on Information Theory . 27 (1): 31–40. doi :10.1109/tit.1981.1056306. ISSN 0018-9448.

[15] ^ Matsuyama, Y.; Gray, R. (1982 年 4 月)。「逆フィルタマッチングに基づく音声符号化およびツリー 符号化音声圧縮システム」IEEE Transactions on Communications。30 ( 4): 711–720。doi : 10.1109 /tcom.1982.1095512。ISSN 0090-6778 。

[16] 「IEEE フェロー 1998 | IEEE 通信協会」。