和多田 淳三 (ワタダ ジュンゾウ)

写真a

所属

理工学術院

職名

名誉教授

ホームページ

http://www.f.waseda.jp/watada/

学歴 【 表示 / 非表示

  •  
    -
    1970年

    大阪市立大学   工学部   電気工学科  

  •  
    -
    1970年

    大阪市立大学  

学位 【 表示 / 非表示

  • 大阪府立大学   工学博士

経歴 【 表示 / 非表示

  • 2003年
    -
    継続中

    Professor, Graduate School of

  • 2003年
    -
     

    - 早稲田大学大学院、情報生産システム 研究科教授

  •  
     
     

    早稲田大学

  •  
     
     

    Information, Production and Systems,

所属学協会 【 表示 / 非表示

  •  
     
     

    IFSA

  •  
     
     

    日本感性工学会

  •  
     
     

    シミュレーションゲーミング学会

  •  
     
     

    日本ファジィ知能情報学会

  •  
     
     

    BMFSA

全件表示 >>

 

研究分野 【 表示 / 非表示

  • 計算機システム

研究キーワード 【 表示 / 非表示

  • 経営工学

  • 人工知能

  • 人間機械係

  • システムモデル

  • 社会システム学

全件表示 >>

論文 【 表示 / 非表示

  • Knowledge acquisition from rough sets using merged decision rules

    Yoshiyuki Matsumoto, Junzo Watada

    Journal of Advanced Computational Intelligence and Intelligent Informatics   22 ( 3 ) 404 - 410  2018年05月  [査読有り]

     概要を見る

    Rough set theory was proposed by Z. Pawlak in 1982. This theory can mine knowledge based on a decision rule from a database, a web base, a set, and so on. The decision rule is used for data analysis as well as calculating an unknown object. We analyzed time-series data using rough sets. Economic time-series data was predicted using decision rules. However, there are cases where an excessive number of decision rules exist, from which, it is difficult to acquire knowledge. In this paper, we propose a method to reduce the number of decision rules by merging them. Similar to how it is difficult to acquire knowledge from multiple rules, it is also difficult to acquire knowledge from rules with a large number of condition attributes. We propose a method to reduce the number of condition attributes and thereby reduce the number of rules. We analyze time-series data using this proposed method and acquire knowledge for prediction using decision rules. We use TOPIX and the yen–dollar exchange rate as knowledge-acquisition data. We propose a method to facilitate knowledge acquisition by merging rules.

    DOI

  • A self-adaptive class-imbalance TSK neural network with applications to semiconductor defects detection

    Shing Chiang Tan, Shuming Wang, Junzo Watada

    INFORMATION SCIENCES   427   1 - 17  2018年02月  [査読有り]

     概要を見る

    This paper develops a hybrid approach integrating an adaptive artificial neural network (ANN) and a fuzzy logic system for tackling class-imbalance problems. In particular, a supervised learning ANN based on Adaptive Resonance Theory (ART) is combined with a Tagaki-Sugeno-Kang-based fuzzy inference mechanism to learn and detect defects of a real large highly imbalanced dataset collected from a semiconductor company. A benchmark study is also conducted to compare the classification performance of the proposed method with other published methods in the literature. The real dataset collected from the semiconductor company intrinsically demonstrates class overlap and data shift in a highly imbalanced data environment. The generalization ability of the proposed method in detecting semiconductor defects is evaluated and compared with other existing methods, and the results are analyzed using statistical methods. The outcomes from the empirical studies positively indicate high potentials of the proposed approach in classifying the highly imbalanced dataset posing overlap class and data shift. (C) 2017 Elsevier Inc. All rights reserved.

    DOI

  • Boosted HOG features and its application on object movement detection

    Junzo Watada, Huiming Zhang, Haydee Melo, Diqing Sun, Pandian Vasant

    Smart Innovation, Systems and Technologies   81   340 - 348  2018年  [査読有り]

     概要を見る

    Nowadays, traffic accidents is universally decreasing due to many advanced safety vehicle systems. To prevent the occurrence of a traffic accident, the first function that a safety vehicle system should accomplish is the detection of the objects in traffic situation. This paper presents a popular method called boosted HOG features to detect the pedestrians and vehicles in static images. We compared the differences and similarities of detecting pedestrians and vehicles, then we use boosted HOG features to get an satisfying result. In detecting pedestrians part, Histograms of Oriented Gradients (HOG) feature is applied as the basic feature due to its good performance in various kinds of background. On that basis, we create a new feature with boosting algorithm to obtain more accurate result. In detecting vehicles part, we use the shadow underneath vehicle as the feature, so we can utilize it to detect vehicles in daytime. The shadow is the important feature for vehicles in traffic scenes. The region under vehicle is usually darker than other objects or backgrounds and could be segmented by setting a threshold.

    DOI

  • SURF algorithm-based panoramic image mosaic application

    Junzo Watada, Huiming Zhang, Haydee Melo, Jiaxi Wang, Pandian Vasant

    Smart Innovation, Systems and Technologies   81   349 - 358  2018年  [査読有り]

     概要を見る

    Panoramic image mosaic is a technology to match a series of images which are overlapped with each other. Panoramic image mosaics can be used for different applications. Image mosaic has important values in various applications such as computer vision, remote sensing image processing, medical image analysis and computer graphics. Image mosaics also can be used in moving object detection with a dynamic camera. After getting the panoramic background of the video for detection, we can compare every frame in the video with the panoramic background, and finally detect the moving object. To build the image mosaic, SURF (Speeded Up Robust Feature) algorithm is used in feature detection and OpenCV is used in the programming. Because of special optimization in image fusion, the result becomes stable and smooth.

    DOI

  • Training method for a feed forward neural network based on meta-heuristics

    Haydee Melo, Huiming Zhang, Pandian Vasant, Junzo Watada

    Smart Innovation, Systems and Technologies   82   378 - 385  2018年  [査読有り]

     概要を見る

    This paper proposes a Gaussian-Cauchy Particle Swarm Optimization (PSO) algorithm to provide the optimized parameters for a Feed Forward Neural Network. The improved PSO trains the Neural Network by optimizing the network weights and bias in the Neural Network. In comparison with the Back Propagation Neural Network, the Gaussian-Cauchy PSO Neural Network converges faster and is immune to local minima.

    DOI

全件表示 >>

書籍等出版物 【 表示 / 非表示

  • Haydee Melo, Junzo Watada in , Trends in Practical Applications of Hetero… (2014), A Gaussian Particle Swarm Optimization for Training a Feed Forward Neural Network, DOI: 10.1007/978-319-08254-7_18, pp.61-68

    Springer International Publishing Switzerland  2014年

  • Yoshiyuki Matsumoto, Junzo Watada , , Rough Set Model Based Knowledge Acquisition of Market Movements from Economic Data

    Springer International Publishing Switzerland  2014年 ISBN: 9783319082530

  • Nureize Arbaiy, Junzo Watada in , , Multi-granular Evaluation Model Through Fuzzy Random Regression to Improve Information Granularity, DOI: 10.1007/978-319-08254-7_11

    Springer International Publishing Switzerland  2014年 ISBN: 9783319082530

  • Azizul Azhar Ramli, Junzo Watada, and Witold Pedrycz in ,, Information Granules Problem: An Efficient Solution of Real-Time Fuzzy Regression Analysis, DOI: 10.1007/978-319-08254-7_3

    Springer International Publishing Switzerland  2014年 ISBN: 9783319082530

  • Jianxiong Yang, Junzo Watada in , , Improved Latent Semantic Indexing-Based Data Mining Methods and an Application to Big Data Analysis of CRM, DOI: 10.1007/978-319-08254-7_7

    Springer International Publishing Switzerland  2014年 ISBN: 9783319082530

全件表示 >>

Misc 【 表示 / 非表示

  • Metaheuristic Techniques in Enhancing the Efficiency and Performance of Thermo-Electric Cooling Devices

    Pandian Vasant, Utku Kose, Junzo Watada

    ENERGIES   10 ( 11 )  2017年11月

    書評論文,書評,文献紹介等  

     概要を見る

    The objective of this paper is to focus on the technical issues of single-stage thermo-electric coolers (TECs) and two-stage TECs and then apply new methods in optimizing the dimensions of TECs. In detail, some metaheuristics-simulated annealing (SA) and differential evolution (DE)-are applied to search the optimal design parameters of both types of TEC, which yielded cooling rates and coefficients of performance (COPs) individually and simultaneously. The optimization findings obtained by using SA and DE are validated by applying them in some defined test cases taking into consideration non-linear inequality and non-linear equality constraint conditions. The performance of SA and DE are verified after comparing the findings with the ones obtained applying the genetic algorithm (GA) and hybridization technique (HSAGA and HSADE). Mathematical modelling and parameter setting of TEC is combined with SA and DE to find better optimal findings. The work revealed that SA and DE can be applied successfully to solve single-objective and multi-objective TEC optimization problems. In terms of stability, reliability, robustness and computational efficiency, they provide better performance than GA. Multi-objective optimizations considering both objective functions are useful for the designer to find the suitable design parameters of TECs which balance the important roles of cooling rate and COP.

    DOI

  • Preface to special issue on "Fuzzy modeling for optimisation anddecision support"

    Masahiro Inuiguchi, Junzo Watada, Didier Dubois

    FUZZY SETS AND SYSTEMS   274   1 - 3  2015年09月

    その他  

    DOI

  • Evolutionary Fuzzy ARTMAP Neural Networks for Classification of Semiconductor Defects

    Shing Chiang Tan, Junzo Watada, Zuwairie Ibrahim, Marzuki Khalid

    IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS   26 ( 5 ) 933 - 950  2015年05月

     概要を見る

    Wafer defect detection using an intelligent system is an approach of quality improvement in semiconductor manufacturing that aims to enhance its process stability, increase production capacity, and improve yields. Occasionally, only few records that indicate defective units are available and they are classified as a minority group in a large database. Such a situation leads to an imbalanced data set problem, wherein it engenders a great challenge to deal with by applying machine-learning techniques for obtaining effective solution. In addition, the database may comprise overlapping samples of different classes. This paper introduces two models of evolutionary fuzzy ARTMAP (FAM) neural networks to deal with the imbalanced data set problems in a semiconductor manufacturing operations. In particular, both the FAM models and hybrid genetic algorithms are integrated in the proposed evolutionary artificial neural networks (EANNs) to classify an imbalanced data set. In addition, one of the proposed EANNs incorporates a facility to learn overlapping samples of different classes from the imbalanced data environment. The classification results of the proposed evolutionary FAM neural networks are presented, compared, and analyzed using several classification metrics. The outcomes positively indicate the effectiveness of the proposed networks in handling classification problems with imbalanced data sets.

    DOI

  • Evolutionary Fuzzy ARTMAP Neural Networks for Classification of Semiconductor Defects

    Shing Chiang Tan, Junzo Watada, Zuwairie Ibrahim, Marzuki Khalid

    IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS   26 ( 5 ) 933 - 950  2015年05月

     概要を見る

    Wafer defect detection using an intelligent system is an approach of quality improvement in semiconductor manufacturing that aims to enhance its process stability, increase production capacity, and improve yields. Occasionally, only few records that indicate defective units are available and they are classified as a minority group in a large database. Such a situation leads to an imbalanced data set problem, wherein it engenders a great challenge to deal with by applying machine-learning techniques for obtaining effective solution. In addition, the database may comprise overlapping samples of different classes. This paper introduces two models of evolutionary fuzzy ARTMAP (FAM) neural networks to deal with the imbalanced data set problems in a semiconductor manufacturing operations. In particular, both the FAM models and hybrid genetic algorithms are integrated in the proposed evolutionary artificial neural networks (EANNs) to classify an imbalanced data set. In addition, one of the proposed EANNs incorporates a facility to learn overlapping samples of different classes from the imbalanced data environment. The classification results of the proposed evolutionary FAM neural networks are presented, compared, and analyzed using several classification metrics. The outcomes positively indicate the effectiveness of the proposed networks in handling classification problems with imbalanced data sets.

    DOI

  • FINNIM: Iterative Imputation of Missing Values in Dissolved Gas Analysis Dataset

    Zahriah Sahri, Rubiyah Yusof, Junzo Watada

    IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS   10 ( 4 ) 2093 - 2102  2014年11月

     概要を見る

    Missing values are a common occurrence in a number of real world databases, and statistical methods have been developed to deal with this problem, referred to as missing data imputation. In the detection and prediction of incipient faults in power transformers using dissolved gas analysis (DGA), the problem of missing values is significant and has resulted in inconclusive decision-making. This study proposes an efficient nonparametric iterative imputation method named FINNIM, which comprises of three components: 1) the imputation ordering; 2) the imputation estimator; and 3) the iterative imputation. The relationship between gases and faults, and the percentage of missing values in an instance are used as a basis for the imputation ordering; whereas the plausible values for the missing values are estimated from k-nearest neighbor instances in the imputation estimator, and the iterative imputation allows complete and incomplete instances in a DGA dataset to be utilized iteratively for imputing all the missing values. Experimental results on both artificially inserted and actual missing values found in a few DGA datasets demonstrate that the proposed method outperforms the existing methods in imputation accuracy, classification performance, and convergence criteria at different missing percentages.

    DOI

全件表示 >>

受賞 【 表示 / 非表示

  • 日本 知能情報ファジイ学会 2014年度 著述賞 (Fuzzy Stochastic Optimization, Theory and Application, Springer)

    2014年  

  • KES 功労賞

    2014年  

  • Outstanding Book Award, Japan Society of Intelligent Informatics and Fuzzy Theory, (Fuzzy Stochastic Optimization, Theory and Application, Springer)

    2014年  

  • Outstanding Contribution to KES Award

    2014年  

  • 2011年最大引用論文賞、IJICIC、、ISSN 1349-4198

    2012年  

全件表示 >>

共同研究・競争的資金等の研究課題 【 表示 / 非表示

  • DNAコンピューティングによるロボットベース生産スケジューリングの最適化法の研究

    研究期間:

    2005年
    -
    2006年
     

  • Reseach on Optimization of Robot-based Production Scheduling by DNA Computing

    研究期間:

    2005年
    -
    2006年
     

  • カオス短期予測モデルによる株価の予測手法の開発

    研究期間:

    2003年
    -
    2006年
     

  • Development of Method to Construct Confortable Space Based on Human Five Senses

    研究期間:

    2003年
    -
    2006年
     

  • マルチカメラトラッキングシステム

    研究期間:

    2005年
    -
     
     

全件表示 >>

特定課題研究 【 表示 / 非表示

  • 2レベル2次混合整数計画問題の二重ニューラルネットワークによる解法の構築

    2014年  

     概要を見る

     In this research, we have developed a neural networkbased hybrid method for solving the quadratic bi-level programming problems.This proposed algorithm combines a genetic algorithm and a recurrent neuralnetwork together in order to solve such problems efficiently and accurately.The genetic algorithm is developed for dealing with the upper level problem. Itwill choose good solution candidates and pass them to the lower level problem.Then, in the lower level, we use the parameterized dual neural network to getpossible optimal solutions. The experiment results indicate that compared withother methods, the proposed neural network based hybrid method is capable ofachieving better optimal solutions for the quadratic bi-level programmingproblem in a short time. Based on the Japan stock market, theexperiment results show that the proposed hybrid method can solve thisapplication with a good performance. The solution of the model is one of theoptimal point with a reasonable trade-off preference between risk and return.It is evident that the portfolio selections achieved by this model could be agood guidance for the investors during the investment activity. 

  • 2段階VaR基準ファジィランダム最適化手法の構築とその応用

    2010年  

     概要を見る

    2段階VaR基準ファジィランダム最適化手法については、次の成果を得た。簡単に研究成果概要を述べる。(1)ファジィランダム最適化モデルを構築した成果をスプリンガから本の章[B05]として出版した。これらの手法の情報産業の分析への応用を行った[B06]。さらに、子ら名の問題について偏りのあるデータの検定問題に応用した[B07]。(2)ファジィランダム変数を用いた意思決定問題について、多属性目標プログラムイングとしてモデル化した[J09],[j12]。(3)りコースを持つ施設位置決定問題への応用として、IEEE trans SMC=Bより研究成果を公表した[J11]。(4)ファジィランダム変数に基づくVaR基準に基づくポートフォーリオモデルを構築した論文が、IEEE trans on Fuzzy Systemsによってアクセプトされた。(5)これらの手法を各種ヒューリステックモデルに適応して成果を得た。これらの成果を各種学会誌に公表した[J14],[J15],[J16],[J17],[J18],[J19],[J20][J21]。(6)ファジィランダム変数を回帰モデルの応用した成果をEuropean Journal of Operational Reserch等に公表した[J22],[J23],[J24]。(7)以上の研究成果を以下の国際会議で公表し、査読付Proceedingsに採録された。(7-1) IUM2010, April 9-11, 2010、 [C25], [C26], [C27], [C28], [C29], [C30] (7-2) International Conference on Condition Monitoring and Diagnosis 2010 (CMD2010) Shibaura, JAPAN, Sept 6-11, 2010 [C31], [C32] (7-3) IFMIP 2010, WAC2010, September 19 – September 23, 2010, Kobe JAPAN, 2010, [C33], [C34], [C35], [C36], [C37], [C38], [C39], [C40] (7-4) KES2010, Cardiff, UK, September 8-10, 2010, [C41], [C42], [C43] (7-5) IMIP2010 (International Symposium of Innovative Management, Information and Production, Huangzhou, October 2010. [C44] (7-6) Czeck-Japan Seminar 2010 (CJS2010), Otaru, JAPAN, November 3-5, 2010. [C55](7-7) IEEE International Conference on Industrial Engineering and Engineering Management, 2010. IEEM 2010, [C56], [C57], [C58] (7-8) ICGEC-2010-IS24-02, Fourth International Conference on Genetic and Evolutionary Computing (ICGEC-2010), Shenzhen, China, December 13-15, 2010, [[C59], [C51], [C52] (7-9) ICICIC2010, [C52](7-10) ICSEC2011, 2011 [C53]

  • 相互結合型ニューラルネットワークの構造化学習の研究

    2007年  

     概要を見る

    従来、1980年代から特に1990年代には階層構造型ニューラルネットワークの最適構造を発見したり、あるいは従来困難であるとされた階層構造型ニューラルネットワークの説明機能を付与するための方法として構造化学習が研究されてきた.階層構造型ニューラルネットワークについては、これらの最適な構造を発見する方法が種々提案されてきた。しかしながら、相互結合型ニューラルネットワークについては、必ずしも構造化学習に関する研究は、広く行われているとはいえない。 相互結合型ニューラルネットワークにおいても連想や記憶あるいはボルツマンマシーンなどのネットワークについても問題に適した構造を学習することが求められている.研究期間での達成目標 われわれは、二次評価関数の整数計画問題を解くためのボルツマンマシーンの学習において、大規模問題の解法において予め決められた対象数を選択するために、ホップフィールド型ニューラルネットワークをメタ制御装置としてボルツマンマシーンを制御する方法を提案してきた。これは、大規模問題では学習時間の負荷が非常に大きいボルツマンマシーンの効率的な収束をメタ制御装置が可能にすることを示した。 これらの研究の中で、我々はこのホップフィールド型ニューラルネットワークによるメタ制御装置は構造化学習を制御するために用いることが可能であることを発想した。このため、われわれは次の目標を実現することを提案している。 (1) ホップフィールド型ニューラルネットワークを用いることでボルツマン型ニューラルネットワークによる構造化学習を実現した。 (2) さらに、記憶や連想装置としての相互結合型ニューラルネットワークに対してホップフィールド型ニューラルネットワークを階層構造に構成することで、最適構造を実現した。 (3) 以上の構造を用い有効な相互結合型ニューラルネットワークの選別と構造化を実現し、その検証を行い、その有効性を示した。 ③本研究の学術的な特色・独創的な点及び結果と意義 階層構造型ニューラルネットワークにおいて構造化学習することで最適構造を発見し、説明機能を実現する研究がここ15年ほど活発に行われてきた。しかしながら、相互結合型ニューラルネットワークについてはその構造が既に決定されていることが多いため、ほとんど研究されてこなかった。 本研究では、そのような相互結合型ニューラルネットワークにおいても工夫することで、構造化学習を実現できることが判明した、われわれはホップフィールド型ニューラルネットワークをメタ制御装置として用いることで、無駄な計算時間を短縮する方法を実現した。これを更に拡張することで、種々の二次関数型のエネルギー関数を用いる相互結合型ニューラルネットワークの構造化学習を可能にした。 ここに相互結合型ニューラルネットワークの構造化学習の研究を行った。 以上で述べたように、本申請研究は既に達成された。すなわち、相互結合型ニューラルネットワークの構造化学習方法を確立する方針である。 1) メタ制御装置によるボルツマン型ニューラルネットワークの構造化について研究した。すなわち、構造化の最適性、収束時間、等を計測し、構造化学習について構造を明らかにした。 2) 構造化学習を行うことでボルツマン型ニューラル

  • DNAコンピュータによるロボットベース生産スケジューリングの解法の研究

    2006年  

     概要を見る

    DNAコンピュータによるロボットベース生産スケジューリングの解法の研究本研究では、スケジューリング問題に関する組み合わせ最適化問題を効率的に解く方法を提案している。スケジューリング問題はNPハードな問題であり、多項式時間内では解くことができない。すなわち、関連項目や変数が増加すると指数的計算量が増大し組み合わせ爆発が起こる。このような問題を、フォンノイマンの計算機アーキテクチャーではなくナノサイズである生態のDNA分子を用いて一度にすべての組み合わせを計算し、その中から最適な解を抽出する方法を提案している。別紙に掲載した研究成果を踏まえて研究の成果を説明する。DNAコンピュータの研究はすでに3年間実施しており、成果が上がっている。特にここでは、スケジューリングをとくためのクラスタリングの研究、また、温度に基づく解の探索方法と静電気誘導による方法とを用いている。(1) 本研究ではロボットベース生産工程の最適スケジューリング問題の解法を提供することが目的である。この問題はロボットベース生産方式の特色として多品種少量生産の問題となる。これは組合せ最適型の問題でありNP困難な問題である。この問題を超並列計算であるDNAコンピューティングの枠組みで解く方法を提供する。これらの超並列計算を、NPハードな問題として、クラスタリング問題、配送問題、クリーク問題の解をDNAコンピューティング手法を用いて解けることを示した。これらの成果は、成果[1]から[30]に示されている。(2)

  • 極限状況における集団意思決定法に関する国際研究プロジェクトの企画

    2004年  

     概要を見る

    現在、企業、経済、政治等の状況は不確定な要因を考慮して意思決定を行うことが要求されている。また、アラブ、アジア諸国等の状況は、テロをとるまでも無く、極限の状況下にあり、その中で経営的、経済的、政治的な集団意思決定を行うことが必要である。従来の不確定な状況で行う集団意思決定以上に、リスク管理に重点を置いた、心理的な圧力を考慮した、極限状況下での集団意思決定の方法が必要とされている。 この様な分野は従来の集団意思決定法の枠組みでは、あまり議論されていない。しかし、今日の現状を鑑みるとリスク、極限状況を考慮した集団意思決定の方法を開発する研究を早急に行うことが必要である。本研究では『極限状況における集団意思決定法に関する国際研究プロジェクトの企画』を行うことを目的としている。既に、我々は6年間に亘り、チェコと日本との間で「不確実な状況おけるデータ解析と意思決定」に関する研究を国際研究プロジェクトとして行ってきた。これらの研究成果は既に6冊のセミナー論文集として公表されている。これらの研究成果をさらに発展させ、『極限状況での集団意思決定法』の研究を行うことを計画している。これは西と東、北と南の間での民族抗争、国家間の抗争が多発しており、如何に交渉をまとめるか、このような状況を考慮した集団意思決定を如何に行うかが、今日的問題であり、その様な問題に対応するための研究プロジェクトの企画を行うものである。 日本側における和多田淳三の分担である極限状況におけるリスクの取り扱いについての研究結果を述べる。ファジィ多変量解析を用いて経済データの分析手法を開発した。これにより経済データからの状況の把握を可能に主る者である。つぎに、事故の分析を行った。これにより事故のリスク分析が可能となる。さらに、カオス的将来予測の分析を行いモデル構築に成功した。最後に、言語データによる多変量解析モデルを開発した。

全件表示 >>

 

委員歴 【 表示 / 非表示

  • 2003年04月
    -
    継続中

    World Collaborative Innovative Innovation Center of Management Engineers  Executive Chair

  • 2003年04月
    -
    継続中

    International Society of Management Engineers  Executive Chair

  • 2019年01月
    -
    2022年12月

    Forum for Interdisciplinary Mathematics  President

  • 2013年01月
    -
    2018年12月

    Forum for Interdisciplinary Mathematics  Vice President

  • 2003年
    -
    2005年

    バイオメディカルファジィシステム学会  顧問

全件表示 >>