2026/03/03 更新

写真a

シマダ　コウシ
島田　航志
所属
理工学術院 基幹理工学部
職名
助教
学位
博士(工学) ( 2025年07月 早稲田大学 )

経歴

  • 2025年09月
    -
    継続中

    早稲田大学   理工学術院   助教

  • 2024年09月
    -
    2025年08月

    早稲田大学   理工学術院   助手

  • 2022年04月
    -
    2024年08月

    早稲田大学   早稲田オープン・イノベーション・エコシステム挑戦的研究プログラム(W-SPRING)

    JST次世代研究者挑戦的研究プログラム(SPRING)

  • 2019年11月
    -
    2024年03月

    国際大学   GLOCOM (Center for Global Communications)   Research Assistant

学歴

  • 2022年04月
    -
    2025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  

    博士後期課程

  • 2020年04月
    -
    2022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

  • 2016年04月
    -
    2020年03月

    早稲田大学   基幹理工学部   応用数理学科  

研究分野

  • 情報学基礎論   情報理論 / 応用数学、統計数学 / 統計科学   データサイエンス / 情報セキュリティ

研究キーワード

  • 情報理論

  • データサイエンス

  • 機械学習

  • 情報セキュリティ

 

論文

  • 区間ごとに確率モデルが変化する問題における予測の最適化と効率化に関する研究

    島田航志

    早稲田大学博士論文    2025年07月

  • 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年11月  [査読有り]

    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年11月  [査読有り]

    担当区分：責任著者

    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年10月  [査読有り]

    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年04月  [査読有り]

  • 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年03月  [査読有り]

    担当区分：筆頭著者, 責任著者

    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年06月  [査読有り]

    DOI

  • An Efficient Bayes Coding Algorithm for Changing Context Tree Model

    島田航志

    早稲田大学修士論文    2022年03月

  • 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年  [査読有り]

    DOI

    Scopus

    1
    被引用数
    (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年  [査読有り]

    担当区分：筆頭著者, 責任著者

    DOI

    Scopus

    3
    被引用数
    (Scopus)

▼全件表示

Works(作品等)

  • BayesML

    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  Web Service 

    2022年05月
    -
    継続中

講演・口頭発表等

  • 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  

    発表年月： 2025年06月

    開催年月：
    2025年06月
    　
    　

  • 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)  

    発表年月： 2022年11月

    開催年月：
    2022年11月
    　
    　

Misc

  • マルチレベルデータにおける線形回帰多段モデルを用いたベイズ決定理論による最適予測とその近似法

    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年

    J-GLOBAL

  • 決定木モデルを仮定した分類におけるメタツリー集合のブースティング的構成によるベイズ近似最適アルゴリズムの研究

    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年

    J-GLOBAL

  • 決定木モデル上のベイズ近似最適予測のためのメタツリー集合並列構成アルゴリズムに関する研究

    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年

    J-GLOBAL

  • 区間ごとに回帰係数の異なる回帰モデルにおけるベイズ決定理論による効率的最適アルゴリズムの研究

    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年

    担当区分：責任著者

    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年

    担当区分：責任著者

    J-GLOBAL

  • 決定木モデル上の分類におけるメタツリー集合のブースティング的構築についての一考察

    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年

    J-GLOBAL

  • 決定木モデル上のベイズ最適な予測を近似するためのメタツリー集合並列構成アルゴリズムに関する一考察

    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年

    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年

    J-GLOBAL

  • 区間ごとに文脈木モデルが変化する情報源における効率的ベイズ符号化アルゴリズム

    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年

    担当区分：筆頭著者, 責任著者

    J-GLOBAL

▼全件表示

 

担当経験のある科目(授業)

  • 理工学基礎実験1B

    早稲田大学  

    2024年09月
    -
    継続中
     

 

特定課題制度（学内資金）

  • 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年   松嶋敏泰

    　概要を見る

    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。