高度な数学理論を用いたデータ解析法の構築
作用素論・作用素環論等の数学理論を用いて,高精度で理論的にも保証されたデータ解析法の構築を目指します.
表彰
- 2021年 慶應義塾大学 米沢富美子賞
- 2018年 慶應義塾大学 藤原賞
- 2017年 情報処理学会 情報処理学会第78回全国大会 大会奨励賞
学会役員等
- 第26回情報論的学習理論ワークショップ(IBIS 2023) プログラム委員
- 日本応用数理学会 学会誌「応用数理」 編集委員(2023年~)
- 日本応用数理学会 若手の会 幹事(2025年~)
- 日本応用数理学会 行列・固有値問題の解法とその応用研究部会 幹事(2022年~)
- 電子情報通信学会 情報論的学習理論と機械学習研究会 専門委員(2022年~)
客員教授等
- 理化学研究所 革新知能統合研究センター 構造的学習グループ 客員研究員
- 津田塾大学 学芸学部数学科 非常勤講師
- 金沢大学 理工研究域数物科学系 客員准教授
論文
- Yuka Hashimoto and Tomoharu Iwata, Deep Koopman-layered model with universal property based on toeplitz matrices, Neurocomputing, 670, 132571, 2026.
-
Yuka Hashimoto, Masahiro Ikeda, and Hachem Kadri, C*-Algebraic Machine Learning: Moving in a New Direction (Position Paper), ICML 2024.
- Yuka Hashimoto, Sho Sonoda, Isao Ishikawa, Atsushi Nitanda, and Taiji Suzuki, Koopman-based generalization bound: New aspect for full-rank weights, ICLR 2024.
- Yuka Hashimoto, Masahiro Ikeda, and Hachem Kadri, Deep learning with kernels through RKHM and the Perron-Frobenius operator, NeurIPS 2023.
- Yuka Hashimoto, Masahiro Ikeda, and Hachem Kadri, Learning in RKHM: a C*-algebraic twist for kernel machines, AISTATS 2023.
機械学習、作用素論的データ解析、カーネル法、数値線形代数