Updated on 2026/03/03

写真a

 
SHIMADA, Koshi
 
Affiliation
Faculty of Science and Engineering, School of Fundamental Science and Engineering
Job title
Assistant Professor(without tenure)
Degree
Ph.D. in Engineering ( 2025.07 Waseda University )

Research Experience

  • 2025.09
    -
    Now

    Waseda University   Faculty of Science and Engineering   Assistant Professor

  • 2024.09
    -
    2025.08

    Waseda University   Faculty of Science and Engineering   Research Associate

  • 2022.04
    -
    2024.08

    Waseda University

  • 2019.11
    -
    2024.03

    International University of Japan   GLOCOM (Center for Global Communications)   Research Assistant

Education Background

  • 2022.04
    -
    2025.03

    Waseda University   Graduate School of Fundamental Science and Engineering  

  • 2020.04
    -
    2022.03

    Waseda University   Graduate School of Fundamental Science and Engineering  

  • 2016.04
    -
    2020.03

    Waseda University   School of Fundamental Science and Engineering  

Research Areas

  • Theory of informatics   Information Theory / Applied mathematics and statistics / Statistical science   Data Science / Information security

Research Interests

  • Information Theory

  • Data Science

  • Machine Learning

  • 情報セキュリティ

 

Papers

  • Research on Optimization and Efficiency of Prediction Where the Stochastic Model Changes from Interval to Interval

    Koshi Shimada

    Ph.D. dissertation, Waseda University    2025.07

  • Bayesian Decision-Theoretic Prediction with Ensemble of Meta-Trees for Classification Problems

    Naoki Ichijo, Ryota Maniwa, Yuta Nakahara, Koshi Shimada, Toshiyasu Matsushima

    2024 International Symposium on Information Theory and Its Applications (ISITA)     70 - 74  2024.11  [Refereed]

    DOI

  • An Efficient Image Segmentation Algorithm Based on Bayes Decision Theory and its Application for Region Detection

    Yilun Wang, Koshi Shimada, Toshiyasu Matsushima

    2024 International Symposium on Information Theory and Its Applications (ISITA)     206 - 211  2024.11  [Refereed]

    Authorship：Corresponding author

    DOI

  • An Algorithmic Framework for Constructing Multiple Decision Trees by Evaluating Their Combination Performance Throughout the Construction Process

    Keito Tajima, Naoki Ichijo, Yuta Nakahara, Koshi Shimada, Toshiyasu Mathushima

    2024 IEEE International Conference on Systems, Man, and Cybernetics (SMC)     3390 - 3396  2024.10  [Refereed]

    DOI

  • Learned Lossless Compression via an Extension of the Bayes Codes

    Yuta Nakahara, Shota Saito, Koshi Shimada, Toshiyasu Matsushima

    Learned to Compress Workshop, 2024 IEEE International Symposium on Information Theory (ISIT)    2024.04  [Refereed]

  • An Efficient Bayes Coding Algorithm for Changing Context Tree Model

    Koshi Shimada, Shota Saito, Toshiyasu Matsushima

    IEICE TRANSACTIONS ON FUNDAMENTALS OF ELECTRONICS COMMUNICATIONS AND COMPUTER SCIENCES   E107A ( 3 ) 448 - 457  2024.03  [Refereed]

    Authorship：Lead author, Corresponding author

    DOI

    Scopus

  • Hyperparameter Learning of Bayesian Context Tree Models

    Yuta Nakahara, Shota Saito, Koshi Shimada, Toshiyasu Matsushima

    2023 IEEE International Symposium on Information Theory (ISIT)     537 - 542  2023.06  [Refereed]

    DOI

  • An Efficient Bayes Coding Algorithm for Changing Context Tree Model

    Koshi Shimada

    Master's thesis, Waseda University    2022.03

  • Weather Map Prediction Using RGB Metaphorical Feature Extraction for Atmospheric Pressure Patterns

    Takeru Hakii, Koshi Shimada, Takafumi Nakanishi, Ryotaro Okada, Keigo Matsuda, Ryo Onishi, Keiko Takahashi

    2021 IEEE/ACIS 20TH INTERNATIONAL CONFERENCE ON COMPUTER AND INFORMATION SCIENCE (ICIS 2021-SUMMER)     22 - 28  2021  [Refereed]

    DOI

    Scopus

    1
    Citation
    (Scopus)

  • An Efficient Bayes Coding Algorithm for the Non-Stationary Source in Which Context Tree Model Varies from Interval to Interval

    Koshi Shimada, Shota Saito, Toshiyasu Matsushima

    2021 IEEE INFORMATION THEORY WORKSHOP (ITW)    2021  [Refereed]

    Authorship：Lead author, Corresponding author

    DOI

    Scopus

    3
    Citation
    (Scopus)

▼display all

Works

  • BayesML

    Yuta Nakahara, Shota Saito, Koshi Shimada, Yuji Iikubo, Koki Kazama, Naoki Ichijo, Toshiyasu Matsushima, BayesML Developers  Web Service 

    2022.05
    -
    Now

Presentations

  • 説明変数の区間ごとに異なる確率モデルにおけるベイズ最適な予測とその効率的アルゴリズム

    島田航志, 松嶋敏泰

    2025年 電子情報通信学会 NOLTAソサイエティ大会 

    Presentation date： 2025.06

    Event date：
    2025.06
    　
    　

  • ベイズ決定理論に基づく機械学習ライブラリ：BayesML 0.2.0

    中原悠太, 齋藤翔太, 島田航志, 飯窪祐二, 風間皐希, 一條尚希, 松嶋敏泰, BayesML Developers

    第25回情報論的学習理論ワークショップ(IBIS2022) 

    Presentation date： 2022.11

    Event date：
    2022.11
    　
    　

Misc

  • An Optimal Prediction on Multilevel Coefficient Linear Regression Model by Bayes Decision Theory and Its Approximation Method

    堀之内康平, 島田航志, 松嶋敏泰

    電子情報通信学会技術研究報告(Web)   122 ( 355(IT2022 29-67) )  2023

    J-GLOBAL

  • Bayes Optimal Approximation Algorithm by Boosting-like Construction of Meta-Tree Sets in Classification on Decision Tree Model

    馬庭良太, 一條尚希, 島田航志, 松嶋敏泰

    電子情報通信学会技術研究報告(Web)   122 ( 128(IT2022 15-28) )  2022

    J-GLOBAL

  • Meta-Tree Set Construction for Approximate Bayes Optimal Prediction on Decision Tree Model

    田島慶斗, 一條尚希, 島田航志, 松嶋敏泰

    電子情報通信学会技術研究報告(Web)   122 ( 128(IT2022 15-28) )  2022

    J-GLOBAL

  • An Efficient Algorithm for Optimal Decision on Piecewise Linear Regression Model by Bayes Decision Theory

    行谷昇, 島田航志, 松嶋敏泰

    電子情報通信学会技術研究報告(Web)   122 ( 128(IT2022 15-28) )  2022

    Authorship：Corresponding author

    J-GLOBAL

  • 開始終了間隔の回帰モデル化に基づく開始時点が異なる複数対象の単位期間内終了件数の予測

    香山渉, 中原悠太, 風間皐希, 島田航志, 小坂奏平, 藤田剛, 松嶋敏泰

    統計関連学会連合大会講演報告集   2022  2022

    Authorship：Corresponding author

    J-GLOBAL

  • A Note on Boosting-like Construction of Meta-Tree Sets for Classification on Decision Tree Model

    馬庭良太, 一條尚希, 島田航志, 松嶋敏泰

    情報理論とその応用シンポジウム予稿集(CD-ROM)   45th  2022

    J-GLOBAL

  • A Note on Meta-Tree Set Construction for Approximate Bayes Optimal Prediction on Decision Tree Model

    田島慶斗, 一條尚希, 島田航志, 松嶋敏泰

    情報理論とその応用シンポジウム予稿集(CD-ROM)   45th  2022

    J-GLOBAL

  • ベイズ決定理論に基づく機械学習ライブラリ:BayesML0.1.0

    中原悠太, 一條尚希, 島田航志, 飯窪祐二, 齋藤翔太, 風間皐希, 松嶋敏泰

    統計関連学会連合大会講演報告集   2022  2022

    J-GLOBAL

  • An Efficient Bayes Coding Algorithm for the Source Based on Context Tree Models that Vary from Section to Section

    島田航志, 齋藤翔太, 松嶋敏泰

    電子情報通信学会技術研究報告(Web)   120 ( 410(IT2020 112-157) )  2021

    Authorship：Lead author, Corresponding author

    J-GLOBAL

▼display all

 

Teaching Experience

  • -

    Waseda University  

    2024.09
    -
    Now
     

 

Internal Special Research Projects

  • 情報理論に基づく生命科学データの効率的圧縮法と安全かつ高速な分散処理ネットワーク

    2024   松嶋敏泰

    　View Summary

    本研究では、ゲノムデータをはじめとした生命科学等の大規模データに対して、データの分析と利活用がより効率的かつ安全に行えるように1. 増え続けるデータ容量に対してどう効率的にストレージに保存するか2. 保存だけではなく分析や送受信といった処理をどう効率的に行うか3. 高度な個人情報を含んだデータをどう安全に処理するかという視点で、情報理論的な安全性と効率性の両面を考慮した理論的解析を行なっている。まず1に関して、これは情報理論における情報源符号化・データ圧縮の基本的なアプローチを踏襲し、DNA配列をはじめとした1次元の系列の情報源の全体が同じ確率モデルで表現することができないような複雑なケースにおいて、区間ごとに異なる確率モデルによってモデル化を行った。この場合、区間の変化点や区間内のモデルが未知であるため、これらを推定しながら符号化を行う場合の計算コストが指数的に増大する。このとき、符号語長の統計的最適性を失わずに計算コストを削減したアルゴリズムを実現し、電子情報通信学会の論文誌に掲載された[1]。また、このアルゴリズムのパラメータをデータからチューニングする手法について、IEEE International Symposium on Information Theory内のワークショップで発表した[5]。2に関しては、例えばシングルセルRNAシーケンシング(scRNA-seq)では数万の各細胞における遺伝子発現量の高次元データから、似た細胞どうしの特徴の推定や分類を行っていて、その際に行うデータからの特徴量抽出に着目した。特徴量抽出および分類においてメジャーな手法である決定木について、情報理論的に確率モデルを仮定した上で統計的に最適な分類かつ、候補となる決定木モデルが指数的に増加する場合の効率的な計算アルゴリズムを考案し、発表した[3,4]3について、プライバシーを保ったまま効率的にネットワーク上で送受信する手法については次年度も鋭意継続して研究を行っていき、1-3を包括的に推進することで、実社会で安全かつ効率的な生命科学データの利活用に向けた土台となる研究を目指している。