(最終更新日:2021-08-15 11:31:31)
  ハヤシ ヨウイチ   Hayashi Yoichi
  林 陽一
   所属   明治大学  理工学部
   職種   専任教授
■ 著書・論文
1. 2020/09 論文  Does deep learning work well for non-image structured data? Electronics 9(9) (単著) 
2. 2020/08 論文  One-dimensional convolutional neural networks with feature selection for highly concise rule extraction from credit scoring datasets with heterogeneous attributes Electronics 9(8),pp.1318 (共著)  Link
3. 2020/07 論文  近未来の医療:AIと未来医療 純真の翼 7,7-8頁 (単著) 
4. 2020/06 論文  Black Box Nature of Deep Learning for: Digital Pathology Beyond Quantitative to Qualitative Algorithmic Performances Lecture Notes on Artificial Intelligence (LNAI) 1290,pp.95-101 (単著) 
5. 2020/06 論文  New unified insights on deep learning in radiological and pathological images: beyond quantitative performances to qualitative interpretation Informatics in Medicine Unlocked 19,pp.100329 (単著) 
全件表示(226件)
■ 学歴
1. 1981/04~1984/03 東京理科大学 理工学研究科 経営工学 博士課程修了 工学博士
2. 1981/03
(学位取得)
東京理科大学 工学修士
3. 1979/04~1981/03 東京理科大学大学院理工学研究科経営工学専攻 理工学研究科 経営工学専攻 修士課程修了
4. 1975/04~1979/03 東京理科大学工学部経営工学科 工学部 経営工学科 卒業
■ 職歴
1. 2001/04~2002/01 カンタベリー大学(ニュージーランド) 理学部コンピュータサイエンス学科 客員教授
2. 1996/10 明治大学 理工学部情報科学科 教授
3. 1994/04~1996/09 明治大学 理工学部情報科学科 助教授
4. 1990/04~1994/03 茨城大学 工学部情報工学科 助教授
5. 1990/04~1991/01 米国アラバマ州立大学バーミングハム校 計算機・情報科学科 客員教授
全件表示(10件)
■ 学内役職・委員
1. 2004/10/01~2006/09/30 明治大学 理工学部情報科学科長
■ 教育上の業績
●教育内容・方法の工夫(授業評価等を含む)
1. 2008/04/01~2014/03/31 FD委員会委員
●その他教育活動上特記すべき事項
1. 2020/08~2024/03/31 ホワイトボックスAI実現を目指す情報科学教育・研究の明治ルネッサンス・プロジェクト・リーダー Link
2. 2004/10~2006/09 情報科学科長
3. 2002/04~2004/09 研究委員会委員
4. 2002/04~2004/09 科学技術研究所運営委員
全件表示(9件)
■ 主要学科目
人工知能と知識処理1、人工知能と知識処理2、ビッグデータ工学特論、計算知能特論、コンピュータサイエンス実習B
■ 所属学会
1. IEEE(米国電気・電子技術者協会)
2. ∟ Senior Member
3. INNS(国際神経回路学会)
4. 日本知能情報ファジィ学会
5. 日本神経回路学会
全件表示(6件)
■ 職務上の実績
●その他職務上特記すべき事項
1. 2020/08~2024/03 ホワイトボックスAI実現を目指す情報科学教育・研究の明治ルネッサンスプロジェクト・リーダー Link
■ researchmap研究者コード
1000316880
■ 資格・免許
1. 1977/01/20 第2級アマチュア無線技師(AAAI00653-2)
■ 社会における活動
1. 2020/03~ 人工知能の歴史、研究・教育、未来 Link
2. 2020/03~ 人工知能の歴史、研究・教育、未来 Link
3. 2019/10~ Informatics in Medicine Unlocked, Associate Editor
4. 2019/04~ Electronics (MDPI), Editor-in-Chief (AI section)
5. 2018/08~2018/08 Toward to transparency of deep learning in medical imaging: Beyond quantitative to qualitative AI
全件表示(13件)
■ 研究課題・受託研究・科研費
1. 2018/04~2021/03  ディープラーニングから得た特徴抽出画像のルール表現・透明化に関する研究 基盤研究(C) (キーワード:ディープラーニング、ルール表現、透明化、特徴抽出)
2. 2014~2017  ビッグデータからの超高精度ルール抽出アルゴリズムの開発と広域応用 国際共同研究 (キーワード:データマイニング、ニューラルネットーワーク、マーケティング)
3. 2007/08~2009/03  ビッグデータからの超高精度ルール抽出アルゴリズムの開発と広域応用 国際共同研究 
4. 1989  学習したニューラルネットワークからのルール抽出 国際共同研究 (キーワード:ルール抽出,ニューラルネットワーク,)
■ ホームページ
   http://www.cs.meiji.ac.jp
■ メールアドレス
  kyoin_mail
■ 受賞学術賞
1. セコム科学技術振興財団研究助成受賞
2. 倉田記念日立記念科学技術財団研究助成受賞
3. 実吉奨学会研究助成受賞
4. 情報科学国際交流財団研究助成受賞(2回)
5. 神奈川科学技術アカデミー研究助成受賞
全件表示(9件)
■ 現在の専門分野
人工知能, ディープラーニング, 健康科学, 医用画像システム, クレジットスコアリング, 応用経済学(Applied Economics), デジタルマーケティング, 放射線科学, 予防医学 (キーワード:人工知能、ディープラーニング、説明できるAI、メディカルAI)  Link
■ 取得特許
1. United States Patent 「FUZZY BACKWARD REASONING SYSTEM AND EXPERT SYSTEM UTILIZING THE SAME」(Patent Number 5,263,123)
■ 科研費研究者番号
20189666
■ 担当経験のある科目・講演等
1. 人工知能と知識処理1(明治大学理工学部情報科学科)
2. 人工知能と知識処理2(明治大学理工学部情報科学科)
3. ビッグデータ工学特論(明治大学大学院理工学研究科情報科学専攻)
4. 計算知能特論(明治大学大学院理工学研究科情報科学専攻)
5. コンピュータサイエンス実習B(明治大学理工学部情報科学科)
全件表示(10件)
■ 産学官連携(研究方針)
現在までに日本を代表する資本金800億円から4000億円の大手電機メーカー研究所、制御機器メーカー研究所、電装部品メーカー研究所、IT会社と多数の委託研究を行った実績があり日本・米国において特許も成立しております。

ディープラーニングの最大の欠点の一つであるブラックボックス化の透明化技術をコアに構築するホワイトボックスAIの実現する研究を推進する。応用範囲は特に以下の範囲を考える。一般に画像をルールで説明できてもルールの数が多い場合およびルールのIF部の条件数が多い場合は簡潔で分かり易く説明ができているとは言えない。この様な課題を解消する技術を確立している。例えば、下記の画像、データ、時系列データが当面の対象と考えています。

1. 産業用画像(広い範囲)
2. 医用画像(放射線画像、病理画像、X線画像、超音波画像、マンモグラフィー画像)
3. 金融データ(クレジットスコアリングデータ、企業破綻予測、ローン審査データ)
4. デジタルマーケティングのデータ
5. 血液生化学検査データ
6. 経済・金融・株式の時系列データ


得られている研究成果は与えられたデータに対して統計的な仮定を置かずに入力データと出力クラス(ラベル)の間にどの様な(数学的な非線形の)関係があるかをIf—Then形式の簡潔なルールで表現できるため画像に限らず様々な産業応用が可能です。例えば、(a)自動運転車の走行特性の向上、(b)化学プラント・発電プラントにおける複雑な異常検出規則の導出による安全操業の実現、(c)ネットユーザーから得られるダイナミックなデータを解析しタイムリーに効果的にセグメントを絞ったマーケティング戦略など他業種・多用途に対して応用が可能です。

現在、ディープラーニングが不可欠ではない対象に対しても分類・識別を長時間の学習を要するディープラーニングで行っています。ディープラーニングは高い精度を達成できる一方で説明能力について十分な研究が行われていません。人工知能研究室が開発したディープラーニングによる学習結果をルール表現で説明する方式は入力と出力が与えられる全てのディープラーニングに対して適用できるので高い汎用性があります。結果的に様々なブラックボックス性をもつデータ解析を短時間で行えるだけでなく、ルール表現を用いて学習されている内容の理解を大幅に向上できます。

 研究成果に係わる委託研究、コンサルティングなどをご検討戴ける企業の方はメール(hayashiy(AT)cs.meiji.ac.jp)でコンタクトして戴ければと思います。なお、私からの発信はメールアドレスがhayashiyg(AT)gmail.comに統一されます。正式なアドレスです。電話は044-934-7475まで直接お電話を戴けると幸いです。

 現在、『ホワイトボックスAI実現を目指す情報科学教育・研究の明治ルネッサンス・プロジェクト』を2024年3月まで専任教員を強化して遂行中です。従来より更に応用範囲が広くなっています。

 ご相談は必ずしも人工知能の学術研究の成果に結びつく内容ばかりでなく、運用上・実用上の問題点・技術課題を解決する技術相談、委託研究・コンサルティング契約を含みます。相談内容に関する秘密義務は厳守致します。
■ 共同研究希望テーマ
1. ホワイトボックスAIによる先進自動運転システムの開発に関する共同研究 Link
2. ホワイトボックスボックスAIによる医用画像診断システムの開発に関する共同研究 Link
3. ホワイトボックスAI方式による血液生化学検査データの説明できる分析能力の向上に関する研究 Link
4. ホワイトボックス医学に関する共同研究