中原 悠太 (ナカハラ ユウタ)

写真a

所属

附属機関・学校 データ科学センター

職名

講師(任期付)

兼担 【 表示 / 非表示

  • 附属機関・学校   グローバルエデュケーションセンター

学歴 【 表示 / 非表示

  • 2016年04月
    -
    2019年03月

    早稲田大学   大学院基幹理工学研究科   数学応用数理専攻  

    博士課程

  • 2014年04月
    -
    2016年03月

    早稲田大学   大学院基幹理工学研究科   数学応用数理専攻  

    修士課程

  • 2010年04月
    -
    2014年03月

    早稲田大学   基幹理工学部   応用数理学科  

  • 2007年04月
    -
    2010年03月

    早稲田大学   高等学院  

経歴 【 表示 / 非表示

  • 2019年04月
    -
    継続中

    早稲田大学   データ科学センター   講師(任期付)

  • 2015年04月
    -
    2018年03月

    早稲田大学   高等学院   数学科 非常勤講師

 

研究分野 【 表示 / 非表示

  • 通信工学

  • 統計科学

研究キーワード 【 表示 / 非表示

  • 画像符号化

  • 機械学習

  • データサイエンス

  • 無歪み画像圧縮

  • 誤り訂正符号

全件表示 >>

論文 【 表示 / 非表示

  • 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年03月  [査読有り]

  • 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年09月  [査読有り]  [国際誌]

  • 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年07月  [査読有り]

    担当区分:筆頭著者, 責任著者

     概要を見る

    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年06月  [査読有り]

    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年01月

全件表示 >>

受賞 【 表示 / 非表示

  • 基幹理工学部長賞 最優秀賞

    2014年03月   早稲田大学  

共同研究・競争的資金等の研究課題 【 表示 / 非表示

  • 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

    研究期間:

    2020年07月
    -
    2021年03月
     

    担当区分: 研究代表者

  • 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

    研究期間:

    2020年06月
    -
    2021年03月
     

    担当区分: 研究代表者

  • 無歪み画像圧縮に適した画像生成確率モデルの構築

    研究期間:

    2019年10月
    -
    2020年03月
     

    担当区分: 研究代表者

講演・口頭発表等 【 表示 / 非表示

  • 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  

    発表年月: 2021年05月

    開催年月:
    2021年05月
     
     
  • 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  

    発表年月: 2021年05月

    開催年月:
    2021年05月
     
     
  • Statistical Models for Image Processing: Hierarchical Representation of Global and Local Structures of Images

    Yuta Nakahara  [招待有り]

    Waseda University – Academia Sinica Data Science Workshop  

    発表年月: 2020年12月

    開催年月:
    2020年12月
     
     
  • Probabilistic Data Generating Process on Tree Structure Model: Bayes Optimal Prediction and Sub-Optimal Algorithm

    土橋 那央, 齋藤 翔太, 中原 悠太, 松嶋 敏泰

    2020年度統計関連学会連合大会  

    発表年月: 2020年09月

    開催年月:
    2020年09月
     
     
  • 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  

    発表年月: 2020年09月

    開催年月:
    2020年09月
     
     

全件表示 >>

特定課題研究 【 表示 / 非表示

  • 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年  

     概要を見る

    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.

  • 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年  

     概要を見る

    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.

  • 無歪み画像圧縮に適した画像生成確率モデルの構築

    2019年  

     概要を見る

    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.

 

現在担当している科目 【 表示 / 非表示

全件表示 >>

担当経験のある科目(授業) 【 表示 / 非表示

  • データ科学のための数学

    早稲田大学  

    2020年04月
    -
    継続中
     

  • 統計リテラシーα,β,γ,δ

    早稲田大学  

    2019年04月
    -
    継続中
     

  • データ科学入門α,β,γ,δ

    早稲田大学  

    2019年04月
    -
    継続中
     

  • 数学II(a),数学II(b),数学B

    早稲田大学高等学院  

    2015年04月
    -
    2018年03月
     

 

委員歴 【 表示 / 非表示

  • 2020年04月
    -
    継続中

    誤り訂正符号のワークショップ  実行委員