TAKEKAWA Takashi

TAKEKAWA Takashi

Kogakuin University

H-index: 12

Asia-Japan

About TAKEKAWA Takashi

TAKEKAWA Takashi, With an exceptional h-index of 12 and a recent h-index of 9 (since 2020), a distinguished researcher at Kogakuin University, specializes in the field of Machine Learning, Neuroscience, Decision Making.

His recent articles reflect a diverse array of research interests and contributions to the field:

Goal-oriented inference of environment from redundant observations

予測モデルにおける LiNGAM を用いた特徴量選択

差分プライバシー基準を満たした機械学習モデルにおけるプライバシーデータ暴露の回避

複数回の緊急事態宣言による COVID-19 の抑制効果の分析

個人の購入行動と品不足に関する MAS モデル

Comparison of Variational Bayes and Gibbs Sampling for Normal Inverse Gaussian Mixture Models

強化学習を用いた不完全情報ゲームにおける戦略分析

HOTARU: Automatic sorting system for large-scale calcium imaging data

TAKEKAWA Takashi Information

University

Kogakuin University

Position

Faculty of Informatics

Citations(all)

1047

Citations(since 2020)

504

Cited By

747

hIndex(all)

12

hIndex(since 2020)

9

i10Index(all)

13

i10Index(since 2020)

9

Email

University Profile Page

Kogakuin University

TAKEKAWA Takashi Skills & Research Interests

Machine Learning

Neuroscience

Decision Making

Top articles of TAKEKAWA Takashi

Goal-oriented inference of environment from redundant observations

Authors

Kazuki Takahashi,Tomoki Fukai,Yutaka Sakai,Takashi Takekawa

Journal

Neural Networks

Published Date

2024/6/1

The agent learns to organize decision behavior to achieve a behavioral goal, such as reward maximization, and reinforcement learning is often used for this optimization. Learning an optimal behavioral strategy is difficult under the uncertainty that events necessary for learning are only partially observable, called as Partially Observable Markov Decision Process (POMDP). However, the real-world environment also gives many events irrelevant to reward delivery and an optimal behavioral strategy. The conventional methods in POMDP, which attempt to infer transition rules among the entire observations, including irrelevant states, are ineffective in such an environment. Supposing Redundantly Observable Markov Decision Process (ROMDP), here we propose a method for goal-oriented reinforcement learning to efficiently learn state transition rules among reward-related “core states” from redundant observations …

予測モデルにおける LiNGAM を用いた特徴量選択

Authors

隅田大勇, 竹川高志

Journal

電子情報通信学会技術研究報告; 信学技報

Published Date

2022/6/20

抄録 (和) 機械学習モデルの精度を向上させるためには, 使用するモデルの特徴, およびデータのドメイン知識を踏まえたうえで特徴量エンジニアリングを行うことが重要である. 機械学習モデルを構築する者がデータのドメイン知識を深く理解していない場合は, 関連する知見の調査が必要である. そもそも得られたデータの変数間の因果関係が不明である場合は, 詳細な探索的データ分析を行う必要がある. 本研究ではデータからそのデータの変数間の因果グラフを推定する統計的因果探索の手法である LiNGAM を用いた特徴量選択と交互作用項の生成を組み合わせることによって, 予測モデルの精度を向上させることができた.

差分プライバシー基準を満たした機械学習モデルにおけるプライバシーデータ暴露の回避

Authors

小松史弥, 竹川高志

Published Date

2022

近年, 機械学習により様々なデータ活用が可能になった. 一方, データの利用機会が増加することで, 機械学習モデルからのデータ侵害について指摘されている. 例えば電子メールの作成中に, 入力候補を提示してくれるモデルについて考える. ユーザーが作成したメールの本文を用いて学習し, 次に入力する候補を予測して生成する. このモデルでクレジットカードに関するテキストをユーザーが入力したとき, 学習に用いられた誰かのクレジットカード番号が提示されてしまうことはデータ侵害である. 本研究ではデータ侵害対策として, TensorFlow Privacy というライブラリで提供されている差分プライバシーを満たした最適化アルゴリズムである DP-Adam を用いて, RNN によるテキスト生成タスクに取り組んだ. ここで個人情報に見立てたダミーデータの暴露を防ぐことができるかを実験した. 結果, 差分プライバシーを満たしたモデルではダミーデータ暴露の回避が確認できた. また過学習対策として用いられる L1 正則化でもダミーデータの暴露が回避された. しかし, L1 正則化モデルが生成したテキストには, 存在しない単語が含まれていた.

複数回の緊急事態宣言による COVID-19 の抑制効果の分析

Authors

田上慶治, 竹川高志

Journal

IEICE Conferences Archives

Published Date

2022/3/1

日本ではCOVID-19状況下において, 流行抑制の対策として緊急事態宣言が3回行われた. 本研究では, 各回の緊急事態宣言の人流抑制効果を, 疫学モデルと新規陽性者数のデータを用いたフィッティングを行うことで推定した. 疫学モデルはSEIRとSEIR+(未発症感染)モデルを用い, フィッティングでは平均二乗誤差と平均相対誤差の二つの誤差指標を用いた. そして, 2つのモデルと2つの誤差の合計4つの組み合わせでそれぞれ得られた効果を宣言ごとに比較した. その結果, 抑制効果は緊急事態宣言の回数が大きくなるにつれて減少傾向にあった. このことから, 緊急事態宣言の抑制効果には, 危機感が徐々に薄れる「慣れ」の影響があると考えられる.

個人の購入行動と品不足に関する MAS モデル

Authors

前田新太, 竹川高志

Published Date

2022

2020 年 2 月末以降コロナ情勢下において, 生活必需品の供給が減少するという情報が広く取り上げられた. その結果, 通常より多くの生活必需品を購入する人が現れ, 店頭で品物がなくなり, 購入したい人が購入出来ない品不足の事態となった. このような品不足の事態は, 被災時や非常事態時に発生する. 非常事態下の人々の行動は必要以上の購入をする 「買い占め」 にあたるのだろうか. 必要最低限の量だけを個々人が購入していたのであれば本当に品不足は起きなかったのか. 本研究では, 供給が釣り合っている状況と不安定な状況において各個人と社会にとって品不足を防ぐための適切な購入行動をしらべるため, モデルに基づいて店舗在庫の推移と品不足確率の結果の検証を行った. また, 品不足が発生した後, どれほどの回復期間があれば, 店舗在庫が回復するのか, また各個人の品不足確率が平常時のものへと戻るのかをしらべるため, 回復期の検証を行った.

Comparison of Variational Bayes and Gibbs Sampling for Normal Inverse Gaussian Mixture Models

Authors

Luis Gabriel De Alba Rivera,Alexander Ilin,Tapani Raiko

Journal

Pahikkala, Väyrynen, Kortela and Airola (eds.)

Published Date

2010/8/17

Lately there has been the interest of categorization and pattern detection in large data sets, including the recovering of the dataset missing values. In this project the objective will be to recover the subset of missing values as accurately as possible from a movie rating data set. Initially the data matrix is preprocessed and its elements are divided in training and test sets. Thereafter the resulting matrices are factorized and reconstructed according to probabilistic principal component analysis (PCA). We compare the quality of reconstructions done with sampling and variational Bayesian (VB) approach. The results of the experiments showed that sampling improved the quality of the recovered missing values over VB-PCA typically after roughly 100 steps of Gibbs sampling.

強化学習を用いた不完全情報ゲームにおける戦略分析

Authors

阿部慎太郎, 竹川高志

Journal

IEICE Conferences Archives

Published Date

2022/3/1

プレイヤーに与えられる情報が部分的である不完全情報ゲームは,ゲームの複雑さとともに,隠された情報に確率が含まれるため,対戦相手の次の行動により適切な行動が変化する.ゆえに,対戦相手の行動を予測し意思決定を行う必要があるため,完全情報ゲーム以上に強いゲームAIの構築が難しい.本研究では,不完全情報ゲームの1つである「ハゲタカのえじき」を題材にし,強いゲームAIの構築を目指す.カードの枚数を5枚とする簡易化した環境において,強化学習を用いて特定の対戦相手に勝つことのできる戦略を学習することを繰り返すことで,ゲームの構造を理解し,戦略の優劣について考察を行う

HOTARU: Automatic sorting system for large-scale calcium imaging data

Authors

Takashi Takekawa,Masanori Nomoto,Hirotaka Asai,Noriaki Ohkawa,Reiko Okubo-Suzuki,Khaled Ghandour,Masaaki Sato,Masamichi Ohkura,Junichi Nakai,Shin-ichi Muramatsu,Yasunori Hayashi,Kaoru Inokuchi,Tomoki Fukai

Journal

bioRxiv

Published Date

2022/4/7

Currently, calcium imaging allows long-term recording of large-scale neuronal activity in diverse states. However, it remains difficult to extract neuronal dynamics from recorded imaging data. In this study, we propose an improved constrained nonnegative matrix factorization (CNMF)-based algorithm and an effective method to extract cell shapes with fewer false positives and false negatives through image processing. We also show that the evaluation metrics obtained during image and signal processing can be combined and used for false-positive cell determination. For the CNMF algorithm, we combined cell-by-cell regularization and baseline shrinkage estimation, which greatly improved its stability and robustness. We applied these methods to real data and confirmed their effectiveness. Our method is simpler and faster, detects more cells with lower firing rates and signal-to-noise ratios, and enhances the quality of the extracted cell signals. These advances can improve the standard of downstream analysis and contribute to progress in neuroscience.

Discriminant laplacian eigenmaps by the approximation of discriminant analysis using similarity

Authors

Kazuki Takahashi,Takashi Takekawa

Journal

Nonlinear Theory and Its Applications, IEICE

Published Date

2022

The dimension of data influences the clustering method used for pattern recognition. Dimension reduction method, therefore, has a significant impact on clustering performance. This study compares discriminant analysis (DA) and Laplacian eigenmaps (LE), two supervised and unsupervised dimension reduction methods, from the standpoint of the degree of separation. This comparison revealed that LE suffers from a loss of accuracy due to the lack of an averaging operation. Therefore, we propose a new dimensionality reduction method, discriminant LE (DLE), which eliminates the shortcomings of LE. DLE is a straightforward approximation of DA using the similarity. We also propose recursive similarity processing method to reduce pseudoclusters. Finally, we also conclude that DLE is more useful than LE for clustering and that recursive similarity processing improves the performance of DLE.

Reward-oriented Environment Inference on Reinforcement Learning

Authors

Kazuki Takahashi,Tomoki Fukai,Yutaka Sakai,Takashi Takekawa

Journal

IEICE Technical Report

Published Date

2022/1/23

(in English) Experiments on humans using the bandit problem have shown that dimensionality reduction of complex observations to a state suitable for reward prediction can improve the speed of learning optimal behavior. Therefore, we propose reward-oriented environment inference that reduces the complicated observation to the state representation suitable for reward prediction. In addition, we also propose a model-based decision-making method using Thompson sampling. In the results, we discuss the dimensionality reduction of states and learning of strategies by a reward-oriented environment estimation model

Fast parallel calculation of modified Bessel function of the second kind and its derivatives

Authors

Takashi Takekawa

Journal

SoftwareX

Published Date

2022/1/1

There are three main types of numerical computations for the Bessel function of the second kind: series expansion, continued fraction, and asymptotic expansion. In addition, they are combined in the appropriate domain for each. However, there are some regions where the combination of these types requires sufficient computation time to achieve sufficient accuracy, however, efficiency is significantly reduced when parallelized. In the proposed method, we adopt a simple numerical integration concept of integral representation. We coarsely refine the integration range beforehand, and stabilize the computation time by performing the integration calculation at a fixed number of intervals. Experiments demonstrate that the proposed method can achieve the same level of accuracy as existing methods in less than half the computation time.

差分プライバシー基準による機械学習の学習データ保護

Authors

小松史弥, 竹川高志

Journal

IEICE Conferences Archives

Published Date

2022/3/1

近年データの収集と機械学習により,様々なデータ活用が可能になった.一方,データの利用機会が増加することで,機械学習モデルからのデータ侵害についても指摘されている.例えば,メールの文章を学習し電子メール作成中に入力候補を提示してくれるシステムでは,クレジットカードに関するテキストの候補として誰かのクレジットカード番号が提示されてしまう可能性がある.本研究ではデータ侵害対策として,TensorFlow Privacyで提供されている差分プライバシーを満たしたアルゴリズムにて,テキスト生成タスクに取り組んだ.ここで個人情報に見立てたデータ暴露の有無を実験した.結果データ暴露の回避が確認できた.

不完全情報ゲームにおける強化学習を用いた戦略の構築とその分析

Authors

阿部慎太郎, 竹川高志

Published Date

2022

不完全情報ゲームはゲームの複雑さとともに, 隠された情報には確率が含まれるため, 対戦相手の次の行動により適切な行動が変化する. それゆえ, 対戦相手の行動を予測し意思決定を行う必要がある. したがって, 強いゲーム AI の構築は難しい. 本研究では, 不完全情報ゲームで特定の相手との対戦から, 学習することを繰り返し行うことで, ゲームの構造を理解し, 古い世代の戦略よりも強い戦略の構築を目指す. 不完全情報ゲームの 1 つである 「ハゲタカのえじき」 を題材にし, 簡易化した環境で実験を行った. 具体的には, 手札と場札をそれぞれ 1~ 5 の数字が書かれた 5 枚のカードとした. 戦略の作成には強化学習を用いて, 相手との対戦から学習を行った. 戦略を学習の世代によって更新することで, 古い世代の戦略に対して優劣を検証した. また, 戦略が行動を決定する際のゲームの情報における重要度を評価した. 強化学習を用いて相手との対戦から戦略を更新した結果, 古い世代の全ての戦略に対し 60% 以上の勝率となった. その戦略は, ゲームの情報のうち, 残りの場札の数字を重要視して, 行動を決定していた.

リンク情報を付加した文書分散表現

Authors

田中義規, 竹川高志

Journal

IEICE Conferences Archives

Published Date

2022/3/1

ユーザにとって,目的とする情報にどれだけ容易に辿り着くことができるかは重大な問題である.ゆえに,Webサイトをその情報を多く含んだ数値ベクトルで表現することは有用である.本研究では,Wikipediaの記事を対象に,文書が持つ単語やトピックの情報に加えてリンクの情報を含んだ分散表現を得ることを目指した.従来手法をもとに,GAEおよびVGAEを利用することでこれを実現した.新たに得た表現は,関連のある記事ベクトルのcos類似度が,関連のない記事ベクトルのcos類似度よりも大きくなるよう改善されていた.また,同じカテゴリの記事ベクトルのcos類似度も,従来手法より大きい傾向にあった.

Graph Autoencoders による単語情報とリンク情報を融合した文書分散表現

Authors

田中義規, 竹川高志

Published Date

2022

文書分散表現は, 推薦システム等への応用が可能である. ゆえに, Web サイトを情報量の多い数値ベクトルで表現することは有用である. 本研究では, Wikipedia の記事を分析対象とし, 記事の文書分散表現を得た. しかし, 従来手法による文書分散表現では, 関連のない記事の cos 類似度が, 関連のある記事の cos 類似度よりも大きい事例が存在するという問題がある. 本研究では, Web ページ上のリンクの情報を含むベクトルを得ることで, 上記の問題の解決を目指した. Web ページの関係は, ノードを Web ページ, エッジをリンクとして, 1 つのグラフで表現できる. そこで, Graph Autoencoder および Variational Graph Autoencoder を用いることで, 文書における単語の情報とリンクの情報を融合した文書分散表現を獲得した. 上記の手法により得た記事の分散表現では, 関連のある記事の cos 類似度が, 関連のない記事の cos 類似度よりも大きい傾向があった. また, 同じカテゴリに属する記事同士が, 従来手法よりも近い表現であった.

混合 Normal Inverse Gaussian モデルに対する変分ベイズとギブスサンプリングの比較

Authors

竹川高志

Journal

研究報告数理モデル化と問題解決 (MPS)

Published Date

2022/6/20

論文抄録データのクラスタリングに, 多変量正規分布による混合分布モデル (GMM) が広く用いられている. しかし, 一般にデータは非対称性や非正規性を持つため, GMM によるクラスタリング性能は必ずしも十分ではない. GMM の欠点を補うため, 非対称性と非正規性を考慮した Normal Inverse Gaussian (NIG) 分布の混合モデル (NIGMM) の定式化を行い, 変分ベイズ (VB) とギブスサンプリング (GS) の実装を行った. 同じモデルに対して VB と GS が異なる結果を示すため, クラスタリング性能, モデルエビデンス, WAIC, 計算時間について評価を行った.

供給が不安定な状況での個人の購入行動と品不足に関するモデル

Authors

前田新太, 竹川高志

Published Date

2021/2/23

2020年2月末以降コロナ情勢下において,生活必需品の供給が減少するという情報が広く取り上げられた.その結果,通常より多くの生活必需品を購入する人が現れ,店頭で品物がなくなり,購入したい人が購入出来ない品不足の事態となった.人々の行動は必要以上の購入をする「買い占め」にあたるのだろうか.必要最低限の量だけを個々人が購入していたのであれば本当に品不足は起きなかったのか.本研究では,供給が不安定な状況において各個人にとって適切な購入行動をしらべるため,モデルに基づいて個人の利得の検証を行った.また,経験による行動の変更という点を考慮したシミュレーションを行い,結果を検証した.

海馬 CA1 における空間と事象表現の同期活動

Authors

水田恒太郎, 佐藤正晃, 関根友紀子, 河野真子, 李耀龍, 竹川高志, 大倉正道, 中井淳一, 林康紀

Published Date

2021

Integration of spatial and event information in episodic memory is thought to be supported by hippocampus. However, it is unknown how an event such as receipt of reward is represented together with spatial information at the cellular level. To address this issue, we performed longitudinal calcium imaging in hippocampal CA1 of mice performing a spatial delayed reward task in virtual reality. In this task, reward was given when mice stayed for 2 sec at one of the three different colored zones in a virtual linear track. After learning, about 13% of cells demonstrated time-locked activity while the mice waited for reward, and the proportion was correlated with the task performance. When the delay before the reward was omitted, the onset of activity shifted accordingly. In addition, 1.4% of cells continued to respond to the previous reward zone after reward delivery was moved to a new zone. Interestingly, a subset of cells that showed time-locked activity participated in multiple synchronous activity with place cells during the stationary, and the occurrence of such coactivity persisted over multiple days. These results suggest that formation and persistence of neuronal assemblies that involve cells encoding event timing and place cells may be implicated in a hippocampal memory process that associates events with space.

集団内での個人の価値基準形成モデル

Authors

松本駿, 竹川高志

Published Date

2021/2/23

人は他者に影響を受け,自己の価値基準を形成している.価値基準は人それぞれ異なる形を成しているが,相互に影響を受け合っているためコミュニティ集団のネットワーク構造が存在すると考えられる.価値基準がどのように形成されるかをモデル化できれば,集団内のネットワーク構造を観測することができるのではないだろうか. 本研究では,価値基準の形成・変化を再現(理解)するために単純な学習モデルを用いてシミュレーションを行った.結果,環境に存在する他者とランダムに接触する場合,個性的なエージェントからは個性がなくなった.また,価値基準の収束値は学習率の大きさに起因することが確認された.個性を持たせるためには,接触する他者に偏りを持たせることが必要であった.

割合推定におけるアンカリング効果のベイズ更新モデルを用いた分析と一般化

Authors

濱田智明, 竹川高志

Published Date

2021

近年, 神経科学の分野では不確かな入力刺激に基づいて意思決定を行う際にベイズ更新が用いられているとした Bayesian brain 仮説が提唱されている. また, 行動経済学においてアンカリング効果は, 事前に提示された数字によりのちの判断が影響を受ける現象として知られていたが, Turner らによりベイズ更新で現象を説明できることが示された. その後, 小沢らは, Turner らの正規分布を仮定したモデルは, 知識量が小さい場合については問題点があることを発見した. 大きさ推定は正の実数を対象とするが正規分布だと分散が大きい際に非負の値を取ってしまう点, アンカの値により回答のばらつきに差が生じるという実験事実を説明できない点である. これを解消するために対数による前処理と正規分布を拡張した t 分布を組み合わせたモデルを提唱した. 小沢らは, 正の実数を取る大きさ推定に限定されたモデルだが, 割合推定でもアンカリング効果は働く. 本研究では, 前処理を適切に変更することで一般のアンカリングモデルを説明できるという仮説に基づいて, 割合推定の場合にロジット関数を前処理としたモデルが実験結果と合致するかどうかを検証した.

See List of Professors in TAKEKAWA Takashi University(Kogakuin University)

TAKEKAWA Takashi FAQs

What is TAKEKAWA Takashi's h-index at Kogakuin University?

The h-index of TAKEKAWA Takashi has been 9 since 2020 and 12 in total.

What are TAKEKAWA Takashi's top articles?

The articles with the titles of

Goal-oriented inference of environment from redundant observations

予測モデルにおける LiNGAM を用いた特徴量選択

差分プライバシー基準を満たした機械学習モデルにおけるプライバシーデータ暴露の回避

複数回の緊急事態宣言による COVID-19 の抑制効果の分析

個人の購入行動と品不足に関する MAS モデル

Comparison of Variational Bayes and Gibbs Sampling for Normal Inverse Gaussian Mixture Models

強化学習を用いた不完全情報ゲームにおける戦略分析

HOTARU: Automatic sorting system for large-scale calcium imaging data

...

are the top articles of TAKEKAWA Takashi at Kogakuin University.

What are TAKEKAWA Takashi's research interests?

The research interests of TAKEKAWA Takashi are: Machine Learning, Neuroscience, Decision Making

What is TAKEKAWA Takashi's total number of citations?

TAKEKAWA Takashi has 1,047 citations in total.

What are the co-authors of TAKEKAWA Takashi?

The co-authors of TAKEKAWA Takashi are Kaoru Inokuchi, Yoshikazu Isomura, Hidenori Aizawa, Kensuke Arai, Hideyuki Câteau, Takashi Handa.

    Co-Authors

    H-index: 53
    Kaoru Inokuchi

    Kaoru Inokuchi

    University of Toyama

    H-index: 35
    Yoshikazu Isomura

    Yoshikazu Isomura

    Tokyo Medical and Dental University

    H-index: 28
    Hidenori Aizawa

    Hidenori Aizawa

    Hiroshima University

    H-index: 13
    Kensuke Arai

    Kensuke Arai

    Boston University

    H-index: 11
    Hideyuki Câteau

    Hideyuki Câteau

    University of Tsukuba

    H-index: 7
    Takashi Handa

    Takashi Handa

    Hiroshima University

    academic-engine

    Useful Links