Masahiro Suzuki’s Page

  • 名前
    • 鈴木雅大(Masahiro Suzuki)
  • 所属
    • 東京大学工学系研究科 技術経営戦略専攻 松尾研究室 特任研究員
  • 研究内容など
    • 転移学習(ゼロショット学習)・深層生成モデル(VAE)
    • 汎用的なAIの実現に興味があります.
    • 主に次のような研究をしています.
      • マルチモーダル深層生成モデルの研究
      • 深層生成モデルフレームワーク「Pixyz」の開発
        • 深層生成モデルを統一的に記述できるPyTorchベースのライブラリです.
        • 前バージョンとしてTars(Theano+lasagneベース)を開発していました.
      • 深層生成モデルによる異常検知に関する研究
    • Deep Learning基礎講座/応用講座,DL4USなどの講義を担当しています
    • Goodfellowら著「深層学習(Deep Learning)」の監訳及び分担翻訳をしました.
    • 強化学習アーキテクチャ勉強会などの勉強会を主催しています.
    • その他以前やっていたこと
  • 経歴
    • 2009年3月 千葉県立千葉東高校卒業
    • 2013年3月 北海道大学工学部卒業(学業優秀賞)
    • 2015年3月 北海道大学大学院情報科学研究科修了
    • 2018年3月 東京大学大学院工学系研究科修了,博士(工学)
      • 博士論文:深層学習と生成モデルによるマルチモーダル学習に関する研究(工学系研究科長賞(研究))
    • 2018年4月 東京大学大学院工学系研究科 特任研究員
  • 業績
    • 学会誌論文
      • 久保静真・岩澤有祐・鈴木雅大・松尾豊,服の領域を考慮した写真上の人物の自動着せ替えに関する研究, 情報処理学会論文誌, Vol. xx, No. x, pp. XX-XX, 2019.
      • 鈴木雅大・松尾豊, 深層生成モデルを用いた半教師ありマルチモーダル学習, 情報処理学会論文誌,Vol. 59, No. 12, pp.2261-2278, 2018.
      • 鈴木雅大・松尾豊, 異なるモダリティ間の双方向生成のための深層生成モデル, 情報処理学会論文誌, Vol. 59, No. 3, pp. 859 – 873, 2018.(特選論文)
      • 鈴木雅大・佐藤晴彦・小山聡・栗原正仁・松尾豊, 属性ごとの観測確率を考慮したゼロショット学習, 情報処理学会論文誌, Vol. 57, No. 5 , pp. 1-15, 2016.
    • 国際会議論文
      • Masahiro Suzuki, Kotaro Nakayama, Yutaka Matsuo, Joint Multimodal Learning with Deep Generative Models, ICLR workshop, 2017.
      • Masatoshi Uehara, Issei Sato, Masahiro Suzuki, Kotaro Nakayama and Yutaka Matsuo, b-GAN: New Framework of Generative Adversarial Networks, NIPS workshop, 2016.
      • Takeshi Itoh, Jumpei Ukita, Ayaka Kato, Takaaki Kaneko, Masahiro Suzuki, Yusuke Iwasawa, Modeling the development of place cells in hippocampus, BICA,  2015.
      • Masahiro Suzuki, Haruhiko Sato, Satoshi Oyama, Masahito Kurihara, Transfer Learning Based on the Observation Probability of Each Attribute, IEEE SMC 2014, 2014.
      • Keiki  Zen, Masahiro Suzuki, Haruhiko Sato, Satoshi Oyama, Masahito Kurihara, Monophonic Sound Source Separation by Non-negative Sparse Autoencoders, IEEE SMC 2014, 2014.
      • Masahiro Suzuki, Haruhiko Sato, Satoshi Oyama, Masahito Kurihara, Image Classification by Transfer Learning Based on the Predictive Ability of Each Attribute, Proceedings of the International MultiConference of Engineers and Computer Scientists 2014, Vol I, pp.75-78, 2014.
    • Preprint papers
      • Masahiro Suzuki, Kotaro Nakayama, Yutaka Matsuo, Improving Bi-directional Generation between Different Modalities with Variational Autoencoders, arXiv, 2018.
      • Masahiro Suzuki, Kotaro Nakayama, Yutaka Matsuo, Joint Multimodal Learning with Deep Generative Models, arXiv, 2016.
      • Joji Toyama, Masanori Misono, Masahiro Suzuki, Kotaro Nakayama, Yutaka Matsuo, Neural Machine Translation with Latent Semantic of Image and Text, arXiv, 2016.
      • Masatoshi Uehara, Issei Sato, Masahiro Suzuki, Kotaro Nakayama, Yutaka Matsuo, Generative Adversarial Nets from a Density Ratio Estimation Perspective, arXiv, 2016.
    •  国内会議論文(査読なし)
      • 鈴木雅大・松尾豊, 半教師ありマルチモーダル深層生成モデルにおける共有表現の有効性と単一モダリティ入力への拡張, 2018年度人工知能学会全国大会, 2018.
      • 鈴木雅大・松尾豊, 深層生成モデルを用いたマルチモーダルデータの半教師あり学習,2017 年度人工知能学会全国大会, 2017.
      • 冨山翔司・味曽野雅史・鈴木雅大・中山 浩太郎・松尾豊, 画像とテキストの潜在的な意味情報を用いたニューラル翻訳モデルの提案,2017 年度人工知能学会全国大会, 2017.
      • 上原雅俊・佐藤一誠・鈴木雅大・中山浩太郎・松尾豊, b-GAN: 密度比推定の視点から見たGenerative Adversarial Nets, 第19回情報論的学習理論ワークショップ, 2016.
      • 鈴木雅大・松尾豊, 深層生成モデルを用いたマルチモーダル学習,2016 年度人工知能学会全国大会, 2016.(学生奨励賞)
      • 鈴木雅大・佐藤晴彦・小山聡・栗原正仁, 属性ごとの観測確率を考慮した転移学習,2014 年度人工知能学会全国大会, 2014.
      • 数原良彦・鈴木雅大・戸田浩之・鷲崎誠司,少数の正解ラベルを用いた移動履歴からの移動手段判定,2014 年度人工知能学会全国大会, 2014.
      • 鈴木雅大・佐藤晴彦・小山聡・栗原正仁, 属性ごとの予測能力を考慮した属性ベース転移学習, 情報処理北海道シンポジウム 2013 講演論文集, pp. 43-46, 2013.
      • 鈴木雅大・佐藤晴彦・小山聡・栗原正仁, 属性ごとの予測能力に基づく属性ベース転移学習, 第 12 回情報科学技術フォーラム講演論文集, Vol.2, pp. 371-372, 2013.
  • 訳書
    • 深層学習(Ian Goodfellow,Yoshua Bengio,Aaron Courville著),監訳・分担翻訳(本書冒頭〈ウェブサイト,謝辞,表記〉,第I部冒頭,第II部冒頭,第III部冒頭,第16章,第17章,第18章,第19章,第20章),KADOKAWA,2018年3月7日発売.
  • 受賞
    • 2018年東京大学工学系研究科長賞(研究)
    • 2017年度情報処理学会論文誌ジャーナル 特選論文
    • 2016年度人工知能学会全国大会 学生奨励賞
    • 平成24年度北海道大学工学部 学業優秀賞
  • 研究助成金
    • NEDO 産業技術研究助成事業(研究分担者), 深層確率コンピューティング技術の研究開発,2018年〜.
    • 科学研究費助成事業(研究活動スタート支援,研究代表者),モダリティごとの不確実性を考慮した共有表現学習の研究,2018年8月〜2020年3月.
  • 奨学金
    • 2017年度東京大学トヨタ・ドワンゴ高度人工知能人材奨学金
  • 講演
    • 生成モデル最新動向〜深層生成モデル,マルチモーダル学習および世界モデルについて〜,株式会社マクニカ,2018年10月19日.
    • 生成モデルとマルチモーダル学習および世界モデルについて,理研シンポジウム: 第2回ものづくりワークショップ,2018年10月3日.
    • 深層生成モデルを用いたマルチモーダル情報の学習について, 次世代脳プロジェクト 4領域合同若手シンポジウム, 2017年12月20日.
    • 機械学習とディープラーニングの理論的枠組み, 第2回「人工知能等が経済に与える影響研究」研究会,2016年.
  • 講義(大学)
    • 2018年度Deep Learning基礎講座 運営・講師
    • 2018年度第2回DL4US 運営・講座作成
    • 2017年度第1回DL4US 運営・講座作成
    • 2017年度先端人工知能論Ⅱ/Deep Learning応用講座 運営・講師
    • 2017年度先端人工知能論Ⅰ/Deep Learning基礎講座 運営・講師
    • 2016年度Deep Learning基礎講座 運営・講師
    • 2016年度先端人工知能論Ⅰ 運営・講師
    • 2015年度Deep Learning基礎講座 運営・講師
  • 講義(外部)
    • 人工知能サマースクール(香川県三豊市),2018年8月25日
    • 2018年JDLA実施 E資格試験 速習研修,2018年6月25日~29日
  • メディア取材・出演・記事
    • 世界モデル~世界の構造を理解して予測・想像するAI~link
    • アカリク博士の選択 link,院進‐k link
    • 朝日新聞GLOBE 取材協力 link
    • ワールドビジネスサテライト(WBS) link
    • Crimson FM Rakutenクラブ デジタル部 ゲスト出演
  • 連絡先
    • masa(at)weblab.t.u-tokyo.ac.jp
  • その他
    • Slideshare:http://www.slideshare.net/masa_s
    • Github:@masa-su
    • Twitter:@szk_masa