NAKAHARA, Yuta

写真a

Affiliation

Affiliated organization, Center for Data Science

Job title

Assistant Professor(without tenure)

Concurrent Post 【 display / non-display

  • Affiliated organization   Global Education Center

Education 【 display / non-display

  • 2016.04
    -
    2019.03

    Waseda University   Graduate School of Fundamental Science and Engineering   Department of Pure and Applied Mathematics  

    Doctor Degree Program

  • 2014.04
    -
    2016.03

    Waseda University   Graduate School of Fundamental Science and Engineering   Department of Pure and Applied Mathematics  

    Master Degree Program

  • 2010.04
    -
    2014.03

    Waseda University   School of Fundamental Science and Engineering   Department of Applied Mathematics  

  • 2007.04
    -
    2010.03

    Waseda University   Senior High School  

Research Experience 【 display / non-display

  • 2019.04
    -
    Now

    Waseda University   Center for Data Science

  • 2015.04
    -
    2018.03

    Waseda University   Senior High School

 

Research Areas 【 display / non-display

  • Communication and network engineering

  • Statistical science

Research Interests 【 display / non-display

  • 画像符号化

  • Machine learning

  • Data science

  • Lossless image compression

  • Error correcting codes

display all >>

Papers 【 display / non-display

  • The Ratio of the Desired Parameters of Deep Neural Networks

    Yasushi Esaki, Yuta Nakahara, Toshiyasu Matsushima

    IEICE TRANSACTIONS on Fundamentals of Electronics, Communications and Computer Sciences(採録決定)   E105-A ( 3 )  2022.03  [Refereed]

  • Cluster's Number Free Bayes Prediction of General Framework on Mixture of Regression Models

    Haruka Murayama, Shota Saito, Yuji Iikubo, Yuta Nakahara, Toshiyasu Matsushima

    Journal of Statistical Theory and Applications    2021.09  [Refereed]  [International journal]

  • A Stochastic Model for Block Segmentation of Images Based on the Quadtree and the Bayes Code for It

    Yuta Nakahara, Toshiyasu Matsushima

    Entropy   23 ( 8 ) 991 - 991  2021.07  [Refereed]

    Authorship:Lead author, Corresponding author

     View Summary

    In information theory, lossless compression of general data is based on an explicit assumption of a stochastic generative model on target data. However, in lossless image compression, researchers have mainly focused on the coding procedure that outputs the coded sequence from the input image, and the assumption of the stochastic generative model is implicit. In these studies, there is a difficulty in discussing the difference between the expected code length and the entropy of the stochastic generative model. We solve this difficulty for a class of images, in which they have non-stationarity among segments. In this paper, we propose a novel stochastic generative model of images by redefining the implicit stochastic generative model in a previous coding procedure. Our model is based on the quadtree so that it effectively represents the variable block size segmentation of images. Then, we construct the Bayes code optimal for the proposed stochastic generative model. It requires the summation of all possible quadtrees weighted by their posterior. In general, its computational cost increases exponentially for the image size. However, we introduce an efficient algorithm to calculate it in the polynomial order of the image size without loss of optimality. As a result, the derived algorithm has a better average coding rate than that of JBIG.

    DOI

  • Meta-Tree Random Forest: Probabilistic Data-Generative Model and Bayes Optimal Prediction

    Nao Dobashi, Shota Saito, Yuta Nakahara, Toshiyasu Matsushima

    Entropy   23 ( 6 ) 768 - 768  2021.06  [Refereed]

    DOI

  • 周辺画素によって異なる自己回帰係数を有する画像生成確率モデルとそのベイズ符号

    高野将大, 中原悠太, 松嶋敏泰

    電子情報通信学会技術研究報告   120 ( 320 ) 253 - 258  2021.01

display all >>

Awards 【 display / non-display

  • 基幹理工学部長賞 最優秀賞

    2014.03   早稲田大学  

Research Projects 【 display / non-display

  • 理論限界に迫る次世代無歪み画像圧縮のための機械学習型確率モデルの構築

    Project Year :

    2020.07
    -
    2021.03
     

    Authorship: Principal investigator

  • 理論保証付き画像処理に資する画像生成確率モデルの構築と無歪み圧縮による統一的評価

    Project Year :

    2020.06
    -
    2021.03
     

    Authorship: Principal investigator

  • 無歪み画像圧縮に適した画像生成確率モデルの構築

    Project Year :

    2019.10
    -
    2020.03
     

    Authorship: Principal investigator

Presentations 【 display / non-display

  • 早稲田大学の研究・教育用データ提供プラットフォームWIRP について

    安田豪毅, 中原悠太, 野村亮, 小林学, 須子統太

    2021年日本経営工学会春季大会 

    Presentation date: 2021.05

    Event date:
    2021.05
     
     
  • サンプリングの偏りを考慮したデータ生成確率モデルの提案

    山田一翔, 鎌塚明, 中原悠太, 松嶋敏泰

    2021年日本経営工学会春季大会 

    Presentation date: 2021.05

    Event date:
    2021.05
     
     
  • Statistical Models for Image Processing: Hierarchical Representation of Global and Local Structures of Images

    Yuta Nakahara  [Invited]

    Waseda University – Academia Sinica Data Science Workshop 

    Presentation date: 2020.12

    Event date:
    2020.12
     
     
  • Probabilistic Data Generating Process on Tree Structure Model: Bayes Optimal Prediction and Sub-Optimal Algorithm

    Nao Dobashi, Shota Saito, Yuta Nakahara, Toshiyasu Matsushima

    Presentation date: 2020.09

    Event date:
    2020.09
     
     
  • 線形回帰モデルの混合の統一的なフレームワークにおけるベイズ最適な予測とその近似アルゴリズム

    村山 春香, 齋藤 翔太, 飯窪 祐二, 中原 悠太, 松嶋 敏泰

    2020年度統計関連学会連合大会 

    Presentation date: 2020.09

    Event date:
    2020.09
     
     

display all >>

Specific Research 【 display / non-display

  • 理論限界に迫る次世代無歪み画像圧縮のための機械学習型確率モデルの構築

    2020  

     View Summary

    画像の領域分割パターンの生成確率モデルとして,非全四分木に基づく確率モデルを構築した.この確率モデルの理論的特性についてはISIT 2021に,無歪み画像圧縮への応用については,ICIP 2021に投稿中である.各分割領域内の画素値生成確率モデルとしては,誤差分布が非正規分布であるような自己回帰型確率モデルを構築し,ISITA 2020で発表した.また,これらの確率モデルを階層的に組み合わせた総合確率モデルを構築し,そのパラメータ学習アルゴリズムを提案した.その成果は,まずWaseda University ? Academia Sinica Data Science Workshopの招待を受けて口頭で報告した.原稿としてまとめたものはISIT 2021に投稿中である.

  • 理論保証付き画像処理に資する画像生成確率モデルの構築と無歪み圧縮による統一的評価

    2020  

     View Summary

    画像の生成を説明する最も基本的かつ今後の拡張性に富む確率モデルとして自己回帰型の確率モデルを数学的に厳密に定義した.また,それに対するベイズ符号を構築し無歪み圧縮性能という観点から確率モデルの妥当性を評価した.得られた成果は,2020年5月の電子情報通信学会情報理論研究会で報告した.さらに,本学学生との共同研究により,その確率モデルの拡張を行った.具体的には,周辺画素によって異なる回帰係数を有する自己回帰型確率モデルとそれに対するベイズ符号を構築し,無歪み圧縮性能という観点から確率モデルの妥当性を評価した.その成果は2021年1月の電子情報通信学会情報理論研究会で報告した.

  • 無歪み画像圧縮に適した画像生成確率モデルの構築

    2019  

     View Summary

    斜め方向の単一エッジが存在する画像を生成する確率モデルとして,平面的自己回帰型隠れマルコフモデルを提案し,それに対する順最適ベイズ符号を構築することで,効率的な無歪み圧縮を実現した.その成果は2020 International Workshop on Advanced Image Technologyで発表した.背景と人物など画像の位置によって異なる性質を持つ画像を生成する確率モデルとして,四分木に基づく領域分割生成モデルを提案し,それに対する最適ベイズ符号を構築することで効率的な無歪み圧縮を実現した.その成果は,2020 Data Compression Conferenceで発表した.

 

Syllabus 【 display / non-display

display all >>

Teaching Experience 【 display / non-display

  • データ科学のための数学

    早稲田大学  

    2020.04
    -
    Now
     

  • 統計リテラシーα,β,γ,δ

    早稲田大学  

    2019.04
    -
    Now
     

  • データ科学入門α,β,γ,δ

    早稲田大学  

    2019.04
    -
    Now
     

  • 数学II(a),数学II(b),数学B

    早稲田大学高等学院  

    2015.04
    -
    2018.03
     

 

Committee Memberships 【 display / non-display

  • 2020.04
    -
    Now

    誤り訂正符号のワークショップ  実行委員