|
職名 |
教授 |
論文 【 表示 ／ 非表示 】
-
Interpretation Support by Extracting Time Series Classification Patterns using HMM from Text-based Deep Learning
Masayuki Ando, Yoshinobu Kawahara, Wataru Sunayama, and Yuji Hatanaka
International Journal on Advances in Intelligent Systems 15 (1&2) 24 ～ 34 2022年06月
共著 共同（副担当）
-
深層学習ネットワークへのHMM適用によるテキストベースの分類パターン解釈支援
安藤雅行・河原吉伸・砂山渡・畑中裕司
日本知能情報ファジィ学会誌 34 (1) 501 ～ 510 2022年
共著 共同（副担当）
-
A Generation Method for the Discussion Process Model during Research Progress Using Transitions of Dialog Acts
Yoko Nishihara, Seiya Tsuji, Wataru Sunayama, Ryosuke Yamanishi, and Shiho Imashiro
International Journal on Advances in Systems and Measurements 14 (1&2) 17 ～ 26 2021年
共著 共同（副担当）
-
TETDMを用いたテキストマイニング初心者のツール選択と操作を助ける操作履歴の提示
砂山渡・中江剛士・西原陽子・畑中裕司
日本知能情報ファジィ学会誌 32 (5) 841 ～ 850 2020年
共著 共同（主担当）
-
テキストベースの深層学習における分類パターンの解釈支援
安藤雅行・河原吉伸・砂山渡・畑中裕司
日本知能情報ファジィ学会誌 31 (4) 779 ～ 787 2019年
共著 共同（副担当）
-
Hatanaka Y., Samo K., Ogohara K., Sunayama W., Muramatsu C., Okumura S., Fujita H.
Lecture Notes in Computational Vision and Biomechanics Lecture Notes in Computational Vision and Biomechanics 27 803 ～ 810 2018年01月
10.1007/978-3-319-68195-5_87 共著
[概要]
© 2018, Springer International Publishing AG. Automated blood vessels detection on retinal images is an important process in the development of pathologies analysis systems. This paper describes about an automated blood vessel extraction using high-order local autocorrelation (HLAC) on retinal images. Although HLAC features are shift-invariant, HLAC features are weak to turned image. Therefore, a method was improved by the addition of HLAC features to a polar transformed image. We have proposed a method using HLAC, pixel-based-features and three filters. However, we have not investigated about feature selection and machine learning method. Therefore, this paper discusses about effective features and machine learning method. We tested eight methods by extension of HLAC features, addition of 4 kinds of pixel-based features, difference of preprocessing techniques, and 3 kinds of machine learning methods. Machine learning methods are general artificial neural network (ANN), a network using two ANNs, and Boosting algorithm. As a result, our already proposed method was the best. When the method was tested by using “Digital Retinal Images for Vessel Extraction” (DRIVE) database, the area under the curve (AUC) based on receiver operating characteristics (ROC) analysis was reached to 0.960.
-
高電圧系インタフェース地絡要因の特徴抽出による多段階判定法
西村和則・丸井雄策・砂山渡
電気学会論文誌D 138 (3) 206 ～ 211 2018年
共著 共同（副担当）
-
畳み込みニューラルネットワークを用いた眼底画像における毛細血管瘤の自動検出
宮下充浩・畑中裕司・小郷原一智・村松千左子・砂山 渡・藤田広志
Medical Imaging Technology 36 (4) 189 ～ 195 2018年
共著 共同（副担当）
-
Data Mining Framework for Treating both Numerical and Text Data
Wataru Sunayama, Tomoya Matsumoto, Yuji Hatanaka, and Kazunori Ogohara
International Journal of Service and Knowledge Management 2 (1) 1 ～ 18 2018年
共著 共同（主担当）
-
類推による説明スキルの獲得支援システム
砂山渡，石田純太，川本佳代，西原陽子
情報処理学会論文誌 59 (10) 1922 ～ 1931 2018年
共著 共同（主担当）
著書 【 表示 ／ 非表示 】
-
フリーソフトTETDMで学ぶ実践データ分析-データサイエンティスト育成テキスト-
砂山渡
コロナ社 188p 2020年03月
単行本（学術書） 単著
