English
広島市立大学 
情報科学研究科 
知能工学専攻 

顔写真 准教授 
田村 慶一 
タムラ ケイイチ 
Tamura Keiichi 

 
個人ウェブサイトはこちら  

プロフィール
2002年4月 広島市立大学情報科学部助手
2007年4月 広島市立大学大学院情報科学研究科助教
2008年4月 広島市立大学大学院情報科学研究科講師
2011年4月 広島市立大学大学院情報科学研究科准教授 

経歴
広島市立大学情報科学部助手  2002/04/01-2007/03/31 
広島市立大学大学院情報科学研究科助教  2007/04/01-2008/03/31 
広島市立大学大学院情報科学研究科講師  2008/04/01-2011/03/31 
広島市立大学大学院情報科学研究科准教授  2011/04/01-現在 

学歴
九州大学  システム情報科学研究科  知能システム学専攻  博士前期  2000/03  修了 
九州大学  システム情報科学府  知能システム学専攻  博士後期  2003/03  単位取得満期退学 
九州大学  工学部  情報工学科  1998/03  卒業 

学位
修士(工学)  九州大学  2000/03 
博士(情報科学)  九州大学  2005/01 

教育・研究活動状況
超スマート社会(Society5.0)の実現に向けて,データ工学を含むデータサイエンスはデータの収集,データの解析,また,解析結果を実世界にフィードバックするという流れをシームレスかつ効率的に行い,実社会の様々な課題を解決することで我々の生活を豊かにする学術として発展させる必要があります.このような背景の中,データサイエンスの基本解析だでなく,ビッグデータ分析を支えるデータベース基盤技術,非構造化データを対象としたデータマイニングとその高性能化(ハイパフォーマンスデータマイニング),実社会ビッグデータの分析として,ソーシャルメディアデータを使用した実世界情報分析,時系列データマイニングに関する研究を実施しています.

【①ビッグデータ分析を支えるデータベース基盤技術,非構造化データを対象としたデータマイニングとその高性能化(ハイパフォーマンスデータマイニング)に関する研究】

ビジネスデータ,Web,ソーシャルメディアやソーシャルネットワーク上の大規模データから知識発見など,データ工学を中心とするデータサイエンス分野が対象とする問題の中で,膨大な計算時間を要する問題を高速かつ高精度に問題を解くための研究を行っています.具体的には,高速化については並列処理,また,高精度化については乱択アルゴリズムと進化計算を応用した知識発見手法について研究を行っています.

キーワード:並列分散処理,マルチコア,GPGPU,大規模データ処理,索引構造

【②ソーシャルメディア上のデータを使用した実世界情報分析に関する研究】
インターネット上のユーザは,ソーシャルメディアを通して日々目にしたことや耳にした話題の情報発信を行っています.テキストメッセージ,画像データや映像データなどの非構造化データを通して情報発信が行われ,特に,位置情報が付与されたデータは時空間ソーシャルデータとして新しい情報源として期待されています.本研究では,ソーシャルメディア上に形成される時空間ソーシャルメディアデータから,観光情報,防災,e-コマースやマーケティングに役立つ情報を取り出すための時空間データマイニングに関する研究を行っています.

キーワード:ソーシャルメディア,時空間情報,観光情報,防災,e-コマース,イベント抽出,話題抽出,経験マイニング,ディープラーニング

【③時系列データマイニングに関する研究】

IoTへの関心の高まりとともに,インターネットに接続されたセンサデバイスなどから大量の測定データが取得され,大規模な時系列データベースを構成しつつあります.時系列データから有益な知識やルールを発見することができれば,サンサが測定したデータの有益な利活用が可能となります.本研究では,センサやソーシャルメディア上に投稿される時間情報を持つ時系列データを対象とした,クラスタリング,クラス分類,異常検知やパターン抽出など時系列データを対象としたデータマイニングのアルゴリズムの開発を行うとともに,IoTへの応用に関する研究を行っています.

キーワード:時系列データ,時系列データマイニング,IoT,センサデバイス,クラスタリング,クラス分類,異常検知,パターン抽出,ディープラーニング 

研究分野
メディア情報学・データベース 
ウェブ情報学・サービス情報学 
知能情報学 
計算機システム・ネットワーク 

研究キーワード
データマイニング 
データベース 
Webマイニング 
ソーシャルメディアマイニング 
並列処理 
時系列データ 
GPGPU 
発見的探索手法 
深層学習 
非構造化データ 
IoT 

研究テーマ
高性能トランザクション処理に関する研究  高性能なオンライントランザクション処理が求められるデータベースサイトは,TPモニタがトランザクションを計算機クラスタ上の計算機(以下サイトと呼ぶ)に割り振り,単位時間当たりに処理できるトランザクション数増加を図っている.そこで,計算機クラスタ上の計算機資源を有効に活かしきるトランザクションスケジューリングが重要となっている.既存のトランザクションスケジューリングは,単に別々の種類のデータへアクセスするトランザクションをそれぞれ別々のサイトに割り振るものや,参照のみのトランザクションしか扱わないものが中心であり,計算機クラスタ上でのトランザクションの動的なスケジューリング手法は十分に明らかになっていない.本研究では計算機クラスタ上においてサイト数,各サイトの負荷,トランザクションのデータへのアクセスパターンと発生率の4つを考慮した動的なトランザクションスケジューリング法を開発する.  1998-2005 
データベースにおける索引構造に関する研究  大規模データを対象とし,データを効率的にアクセスするための索引構造機構の研究開発を行った.具体的には,空間データベース問い合わせ処理の並列化のための索引構造と並列問い合わせ手法の開発,また,大規模3次元立体構造データのための索引構造の開発,また,マルチコアCPUやGPUなど対応したデータ構造や非構造データを対象とした索引構造に関する研究を実施した.  2000-現在 
ハイパフォーマンスデータマイニングに関する研究  2002-現在 
ソーシャルメディア上のデータを使用した実世界情報分析に関する研究  実社会におけるビッグデータ分析の中でもソーシャルメディア上のデータ分析が注目を集めている.インターネット上において,ソーシャルメディア上に投稿されるデータは,人々が目にした耳した現実世界のあらゆる情報が含まれている.ソーシャルメディア上のユーザをセンサ,投稿されるデータをセンサが観測したデータとして扱うと,現実世界で起こっている事象を分析することができる.このような分析を実世界情報分析と呼ぶ.実世界情報分析がリアルタイムに可能となれば,観光情報,防災,マーケティング,人間の行動分析など,社会情報学の可能性を大きく切り開くことが可能となる.具体的には,Twitter上に投稿されるツイート,画像データ,また,これらと連動するWeb上のデータを使用した時空間データマイニングに関する研究を行った.また,大規模な時空間データを扱うための高速化や深層学習を利用した高精度化についても研究を行っている.  2010-現在 
時系列データマイニングに関する研究  IoTへの関心の高まりとともにインターネット上に接続されたセンサデータの利活用が期待を集めている.センサデータは時間とともに観測された時系列のデータとして扱うことができ,時系列データマイニングの高速化と高精度化が求められている.そこで,時系列データを対象としたデータマイニングとして,分類,クラスタリング,頻出パターン抽出,外れ値検出などに焦点を当て,高速化と高精度化に関する研究・開発を行ってきた.具体的には,符号化技術を用いて,高精度に時系列データを分類やクラスタリングを行う手法,また,深層学習を用いて時系列データの特徴を取り出す手法を開発した.時系列データに関しては産業との関連が強く,戦略的基盤技術高度化支援事業とSCOPEに研究課題が採択され,研究分担者として産学連携に係る研究開発に従事した.  2014-現在 

共同・受託研究希望テーマ
人工知能技術を用いたデータ分析とIoTへの応用  IoTにおいては、取得した時系列のデータを分析し、分析結果を現実世界にフィードバックすることが重要な課題となっています。そこで、時系列データの管理方法にとどまらず、時系列データを分析し、現実世界の問題解決に応用する方法についての研究/開発を行っています。具体的には、代表的な機械学習のひとつであるディープラーニングを用いた時系列データ分析とその応用に関する研究を行っています。  産学連携等、民間を含む他機関等との共同研究を希望  技術相談,受託研究,共同研究,その他 
ソーシャルメディア上のデータを用いた社会情報分析  ソーシャルメディア上に投稿されるデータは、現実世界において人々が日々、目撃したことや耳にしたこと、また、関心のある話題やイベントを含む内容が投稿されています。そこで、Twitterに投稿されるツイートを使用して、社会現象、地域の課題、防災や観光に役立つ情報を取り出す研究を行っています。ソーシャルメディア上のデータを用いた社会情報分析は、社会的な話題分析のみならず、マーケティングや社会的な政策を決定する上での重要な情報源となります。  産学連携等、民間を含む他機関等との共同研究を希望  技術相談,受託研究,共同研究,その他 
詳細表示...

研究費
科学研究費  実世界情報分析のための時空間データマイニングに関する研究  2018/04-2021/03  代表 
学内特定研究  符号化技術を用いた時系列データに対する高性能分類手法に関する研究  2017/06-現在  代表 
受託研究  検診結果に基づく深層学習による予測システムの開発とひろしま健康長寿ネットワークの構築(フェーズII)  2017/04-2018/03  分担  共同研究  国内共同研究  本研究課題では,深層学習(Deep Learning)による理論的な学習手法を開発するとともに,検診機関,診療所と連携し,実際の医師の診断を支援する医療診断支援システム構築を目的とする.また,開発したシステムを広島県の複数の病院に導入し,継続的に検査データの経年変化をモニタリングすることで日常的な健康管理を行い,健康寿命を増加させ,特定健康診査の検診率の向上と,N年経年変化の予測の正答率の向上を目指す.フェーズIIでは,連携協力機関の病院の成果をもとに,広島医師会との連携を強化し,実証実験を通じて開発した医療診断支援システムの改良を行った.ここで,可視化インタフェースが動作する医療診断支援システムをタブレット端末で実装し,通信,システムによる疾病判定等の実証実験を通じて,性能を評価した.  市村 匠(県立広島大学),田村 慶一(広島市立大学),飯田 忠行(県立広島大学),原田 俊英(県立広島大学) 
受託研究  検診結果に基づく深層学習による予測システムの開発とひろしま健康長寿ネットワークの構築(フェーズI)  2016/07-2017/03  分担  共同研究  国内共同研究  近年,日本人の生活習慣の変化や高齢者の増加により,生活習慣病による死亡のリスクが高まっている.そこで,本研究課題では,問診・血液検査結果などの数値データやMRI画像などから構成される医療マルチモーダルデータを分析し,実際の医師の診断を支援する医療診断支援システム構築することを目的とする. フェーズIでは,深層学習に関する基本的な学習アルゴリズムを開発し,実証実験を通じて医療診断支援システムのプロトタイプの構築を実施することであり,目標を達成することができた.  市村 匠(県立広島大学),田村 慶一(広島市立大学),飯田 忠行(県立広島大学),原田 俊英(県立広島大学) 
受託研究  次世代8K高精細フラットパネルの高歩留まり製造を実現する欠陥検査システムの実用化開発  2015/09-2018/02  分担  共同研究  産学官連携プロジェクト研究  本研究課題では企業が開発する8Kフラットパネルの欠陥を検査し,同時に修繕するシステムにおいて,欠陥を予測しながら欠陥検出能力を60%から97%以上へ引き上げ,データクラウドシステムによる工程異常分析の自動化機能を実現することを目的とした.検査装置については,株式会社OHTが開発/販売を行っており,参加3大学においては,センサからの信号をもとに予測する機能として,Deep Learningを用いた手法の開発,また,データクラウドシステムによる工程異常分析の自動化機能の実現を行った. 
詳細表示...

著書
Island-Model-based Distributed Modified Extremal Optimization for Reducing Crossovers in Reconciliation Graph  Keiichi Tamura, Hajime Kitakami, Akihiro Nakada  141-156  Transactions on Engineering Technologies Lecture Notes in Electrical Engineering  2013/11  978-94-007-7683-8 
データベースと知識発見  北上 始,黒木 進,田村 慶一  46-91  コロナ社  2013/10/10  978-4-339-02472-2  現在のデータベースには,曖昧な情報の保存利用,巨大で複雑な構造の格納,知識発見など多くの機能が要求されている。本書では,データベースの基礎知識だけでなく,社会状況との関係を常に意識し,基礎概念や応用技術も解説した。 
詳細表示...

論文
研究論文(学術雑誌)  共著  Time Series Classification using MACD-Histogram-based Recurrence Plot  Keiichi Tamura, Takumi Ichimura  International Journal of Computational Intelligence Studies (IJCIStudies)  Inderscience Enterprises Ltd.  採択決定済  2018  1755-4985 
研究論文(学術雑誌)  共著  最小外接矩形とセルの再帰分割を用いたセルベースのDBSCANの高速化  酒井達弘,田村 慶一,北上始,竹澤寿幸  電子情報通信学会論文誌 D  電子情報通信学会  J101-D/  4, 690-701  2018/04/01  1881-0225  10.14923/transinfj.2017DEP0009  密度に基づくクラスタリングはデータの密度をクラスタリングの基準とした,任意形状のクラスタを抽出できるクラスタリング手法である.DBSCANの高速化手法の一つとして,セルベースのDBSCANが提案されている.セルベースのDBSCANはデータセット全体を小さいセルに分割し,データの密度をセル単位で考え,セルを結合することでクラスタリングを行う.セルベースのDBSCANは既存のDBSCANよりも高速にクラスタリングを行えるが,セルの結合判定に多くの時間を要することが明らかとなっている.そこで本論文では,最小外接矩形(MBR)とセルの再帰分割を用いた新しいセルベースのDBSCANを提案する.提案手法はセルの結合判定について,MBRを用いた結合判定とセルの分割を再帰的に行うことによって,高速に処理することができる.評価実験の結果,提案手法は既存手法と比較して高速化できることを示した. 
研究論文(学術雑誌)  共著  Adaptive Distributed Modified Extremal Optimization for Maximizing Contact Map Overlap and Its Performance Evaluation  Keiichi Tamura, Hajime Kitakami, Tatsuhiro Sakai  “Innovative Computational Intelligence Methods for Data Sciences and Applications" in International Journal of Computational Intelligence Studies (IJCIStudies)  Inderscience Enterprises Ltd.  Vol. 6/ No. 4, 288-310  2017/12  1755-4985  10.1504/IJCISTUDIES.2017.089518  Maximising the contact map overlap (CMO) problem is one of the simplest yet most robust techniques for finding optimal protein structure alignment. This optimisation is known as the CMO problem, and is also known as NP-hard. We have been developing bio-inspired heuristics using distributed modified extremal optimisation (DMEO) for the CMO problem. DMEO is a hybrid of population-based modified extremal optimisation (PMEO) and the island model. In our previous work, we proposed a DMEO-based bio-inspired heuristic, i.e., DMEO with different evolutionary strategies (DMEODES) to maintain the population diversity of evolution. DMEODES efficiently maintains population diversity; however, once the population falls into local optimal solutions, there is no mechanism for getting out of them. In this paper, we propose a novel heuristic model to improve the DMEO's ability to prevent evolution stagnation. The new model integrates an adaptive generation alternation mechanism in DMEO called ADMEO. The experimental results show that ADMEO outperforms DMEODES. 
研究論文(学術雑誌)  共著  Classifying of Time Series using Local Sequence Alignment and Its Performance Evaluation  Keiichi Tamura, and Takumi Ichimura  IAENG International Journal of Computer Science  International Association of Engineers  44/ 4, 462-470  2017/11/20  1819-9224  URL  Time series classification is the task of predicting the class label of an unclassified time series. In the last decade, Symbolic Aggregate approXimation (SAX), which is a stateof-the-art feature expression for time series, has attracted the attention of many data mining researchers, because huge number of good sequence data mining algorithms are available once time series are converted to SAX sequences. In this paper, we propose a novel method for time series classification using a hybrid SAX-based symbolic representation, which is called a moving average convergence divergence (MACD)-histogrambased SAX (MHSAX) proposed in our previous work. The proposed time series classification method includes the MHSAX and a nearest neighbor (1-NN) classifier utilizing the local sequence alignment technique. To evaluate the proposed time series classification method, we implemented it and conducted experiments using all 85 data sets in the UCR Time Series Classification Archive. The experimental results show that the proposed time series classification method outperforms not only other distance-based 1-NNs, but also other state-of-theart methods. 
研究論文(学術雑誌)  共著  ギブスサンプラに基づくアミノ酸配列モチーフの高精度抽出法  高橋 誉文 , 北上 始 , 福本 翔平 , 森 康真 , 田村 慶一  情報処理学会論文誌数理モデル化と応用(TOM)  情報処理学会  9/ 3, 32-43  2016/12  1882-7780  アミノ酸配列データベースから類似部分配列を抽出することとして知られている従来のギブスサンプリング法の抽出精度を向上させるために,多重整列化に基づく新しい方法を提案する.従来のギブスサンプリング法の抽出精度は初期値に大きく左右される.この点に着目し,提案手法では,できるだけ良い初期値を計算するため,配列データセットに対して多重整列化を行い,ある幅のウインドウを多重整列上にスライドさせ,p値が最小となるウインドウ領域(類似部分配列)を初期値として選択する.多重整列化によって挿入されるギャップについては,ランダムに文字をあてはめる場合とすべての文字が等確率に現れる場合を比較する.また,ギブスサンプリングで利用される擬似度数に進化的な知識を導入し,抽出される類似部分配列としての配列モチーフ(進化的に保存される配列パターン)の抽出精度を向上させている. 
詳細表示...

研究発表
口頭発表(一般)  Classifying Sightseeing Tweets using Convolutional Neural Networks with Multi-Channel Distributed Representation  The 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC2018)  2018/10 
口頭発表(一般)  深層学習による分類に基づく観光ツイートの分析手法  平成30年度(第69回)電気・情報関連学会中国支部連合大会  2018/10/20 
口頭発表(一般)  クラスタリングに基づく符号化手法を用いたCNNによる時系列データの分類  平成30年度(第69回)電気・情報関連学会中国支部連合大会  2018/10/20 
口頭発表(招待・特別)  位置情報付きツイートを用いた地域の話題分析  広島市立大学産学連携研究発表会2018 ~AI(人工知能)とビッグデータでできること~  2018/09/21 
公開講演,セミナー,チュートリアル,講習,講義等  (講習会・チュートリアル)Kerasの応用  第4回Deep Learning研究会  2018/08/04 
詳細表示...

受賞
Best Paper Award of The 2018 IAENG International Conference on Data Mining and Applications  2018/09 
Best Paper Award of The 2017 IAENG International Conference on Data Mining and Applications  2017/05/25 
IEEE SMC Hiroshima Chapter Contribution Award  2016/12/22 
教員表彰(研究)  2016/03/22 
優秀賞  ひろしまアプリアイデアコンテスト  2015/11/22 
詳細表示...

担当授業科目
データベース 
知識ベース特論 
プログラミングIII演習 
プログラミングIII 
知能工学実験I 
詳細表示...

教科書・教材
データベースと知識発見(コロナ社)  2013/10  データベースとそのシステム,また,データを対象とした知識発見に関する教科書として「データベースと知識発見」の執筆(著者 北上始,黒木進,田村慶一)を共同で行った. 
システムプログラミング実験テキスト(改訂版)  2010/04/01  知能工学実験Iのシステムプログラミング実験で使用するテキストの改訂を行った. 
詳細表示...

社会活動
2018 IEEE SMC Hiroshima Chapter 若手研究会 実行委員  2018/03-2018/07 
Guest Editors of IEEE IWCIA2017 Special Issue  2017/11-現在  Guest Editors 
NETs2018 Program Committee Member  2017/10-2018/04  国際会議NETs2018においてプログラム委員会メンバを務めた. 
Deep Learning研究会 幹事  2017/08-現在  県立広島大学,広島市立大学,広島工業大学,広島大学の教員メンバで結成された深層学習,また,その応用に関わる研究会の幹事を務めている. 
広島県IoT人材育成検討会議委員  2017/08-2018/03 
詳細表示...

所属学協会
情報処理学会  2002/04-現在 
米国電気電子学会(IEEE)  2002/10-現在 
日本データベース学会  2002/10-現在 
人工知能学会  2008/04-現在 
電子情報通信学会  2016/07-現在 
詳細表示...

公開講座
産学連携研究発表会  その他  2018/09-2018/09  IoT時代のデータ活用 ~時系列データ分析とその応用~ 
産学連携研究発表会  その他  2018/09-2018/09  位置情報付きツイートを用いた実世界の情報分析 ~時空間データマイニングとその応用~ 
広島市立大学地域貢献事業発表会  その他  2017/11-2017/11  高性能ビッグデータマイニングを用いた実世界情報分析 
オープンキャンパス2018  その他  2017/08-2017/08  高性能ビッグデータマイニングへの挑戦 
オープンキャンパス2017  その他  2017/08-2017/08  高性能ビッグデータマイニングへの挑戦 
広島市立大学地域貢献事業発表会  その他  2016/12-2016/12  ソーシャルメディア上のデータを対象とした時空間分析 
広島市立大学地域貢献事業発表会  その他  2016/12-2016/12  データマイニング技術の開発 
産学連携研究発表会  その他  2016/09-2016/09  ソーシャルメディア上のデータを対象とした時空間分析 
産学連携研究発表会  その他  2016/09-2016/09  分子配列データに対する規則性の抽出法 
オープンキャンパス2016  その他  2016/08-2016/08  高性能ビッグデータマイニングへの挑戦 
大学見学(1月14日 沼田高校)  その他  2016/01-現在 
広島市立大学地域貢献事業発表会  その他  2015/11-2015/11  ジオタグ付きツイートを用いたトピック抽出と時空間分析 
広島市立大学地域貢献事業発表会  公開講座  2015/11-2015/11  蛋白質立体構造を対象とした類似構造探索システムの研究開発 
産学連携研究発表会  その他  2015/09-2015/09  分子配列を対象としたビッグデータ解析の研究開発 
産学連携研究発表会  その他  2015/09-2015/09  蛋白質立体構造を対象とした類似構造探索システムの研究開発 
オープンキャンパス2015  その他  2015/08-2015/08  高性能ビッグデータマイニングへの挑戦 
オープンキャンパス2014  その他  2014/08-2014/08  高性能ビッグデータマイニングへの挑戦 
広島市立大学リエゾンフェスタ  その他  2013/09-2013/09  大規模分子配列データベース上における類似検索の並列処理に関する研究 
高校生による情報科学自由研究  公開講座  2013/08-2013/08  データサイエンティストになろう!ビッグデータの科学 
オープンキャンパス2013  その他  2013/08-2013/08  高性能ビッグデータマイニングへの挑戦 
「プロフェッショナル探究」広島県立広島高等学校  その他  2013/07-2013/07 
広島市立大学の地域貢献事業発表会  その他  2012/11-2012/11  蛋白質立体構造データベース上における類似構造検索に関する研究 
広島市立大学リエゾンフェスタ  その他  2012/09-2012/09  マルチコアCPU上での汎化処理の高速化に関する研究 
広島市立大学リエゾンフェスタ  その他  2012/09-2012/09  タンパク質の構造アラインメントに関する研究 
高校生による情報科学自由研究  その他  2012/08-2012/08  データサイエンティストになろう!ビッグデータの科学 
研究室紹介(2月6日美鈴ヶ丘高校)  その他  2012/02-2012/02 
市役所研究紹介展  その他  2011/10-2011/10  科学データベースと並列コンピューティング 
広島市立大学リエゾンフェスタ・産学公連携フェア  その他  2011/09-2011/09  科学データベースと並列コンピューティング 
高校生による情報科学自由研究  公開講座  2011/08-2011/08  私たちの世界が広がる コンピュータプログラミング最前線 
オープンキャンパス2011  その他  2011/08-2011/08  科学データベースと並列コンピューティング 
広島市立大学リエゾンフェスタ・産学公連携フェア  その他  2011/01-2011/01  階層的クラスタリングを用いた台風被害予測モデルの構築手法 
広島市立大学リエゾンフェスタ・産学公連携フェア  その他  2011/01-2011/01  蛋白質立体構造データベースからの知識発見 
市役所研究紹介展  その他  2010/11-2010/11  階層的クラスタリングを用いた台風被害予測モデル 
オープンキャンパス2010  その他  2010/10-2010/10  タンパク質立体構造からの知識発見 
高校生自由研究「コンピュータの力を借りて面白いものを見つけよう」  公開講座  2010/08-2010/08 
市役所研究紹介展  その他  2009/11-2009/11  階層的クラスタリングによるデータ分類とその応用 
広島市立大学リエゾンフェスタ2009  その他  2009/09-2009/09  配列データベースに対する類似部分配列の抽出に関する研究 
広島市立大学リエゾンフェスタ2009  その他  2009/09-2009/09  複数の蛋白質立体構造データに対するディスク版索引構造の構築方式 
オープンキャンパス2009  その他  2009/08-2009/08  分子配列データからの知識発見 
広島市立大学リエゾンフェスタ2008  その他  2008/09-2008/09  分散並列環境における索引構造とその応用に関する研究 
オープンキャンパス2008  その他  2008/08-2008/08  分子配列データからの知識発見 
広島市立大学リエゾンフェスタ2007  その他  2007/11-2007/11  曖昧検索により返される類似データからの規則性の発見 
広島市立大学リエゾンフェスタ2007  その他  2007/11-2007/11  ブログユーザ空間からの重複を許したコミュニティの発見 
オープンキャンパス2007  その他  2007/08-2007/08  情報大爆発時代の知識発見法 
広島市立大学リエゾンフェスタ2006  その他  2006/11-2006/11  配列データベースの索引構造の研究 
広島市立大学リエゾンフェスタ2006  その他  2006/11-2006/11  配列データマイニングの研究 
広島市立大学リエゾンフェスタ2004  その他  2004/11-2004/11  制約処理の並列化と安定化 
オープンキャンパス2003  その他  2003/08-2003/08  超巨大データからの高速知識発見 
詳細表示...