Slavakis研究室

About关于研究室

充分利用数据中潜藏的几何结构。

Slavakis研究室在信号处理与机器学习领域，以计算方法（数值算法）的设计为中心开展研究。
该研究室致力于提取并利用信号和数据背后潜藏的几何结构，构建比以往更灵活的信号处理与机器学习方法。
研究已拓展到强化学习、医学成像、脑网络、量子机器学习等广泛领域。
研究需要一定的数学基础，欢迎考虑加入该研究室或升学的学生前来参观、咨询。

Research研究课题

该研究室设计用于信号处理与机器学习的计算方法，研究课题和应用范围广泛，包括强化学习、基于流形的学习、利用黎曼几何和单调映射的优化、量子信号处理、医学成像以及网络时间序列的分析等。

※示意图

新的强化学习算法↗

设计适用于状态和动作连续且维度较高情形的新强化学习算法。该方法无需转移概率的信息，即使没有训练数据也能运行。

※示意图

减小稀疏优化中的偏差↗

在求解大部分分量为0的解的稀疏优化中，研究如何减小常用的L1范数方法所产生的估计偏差，并提出了「外分算子」这一新思路。

※示意图

流形上的回归↗

构建从位于低维流形上的数据中学习的回归框架。该框架仅假设流形光滑，并应用于动态磁共振成像和图信号处理中的缺失数据补全问题。

※示意图

黎曼流形上的数据分类↗

研究对位于黎曼流形（可以测量距离的特殊流形）上的数据进行聚类和分类的方法，并应用于脑网络等网络时间序列数据。

Voices学长学姐的评价

评价基于在读（或曾在读）学生的个人经历，不代表研究室官方观点。评价的有无或数量不代表对研究室的评价。

对于接受采访的学生，无论内容如何，我们可能会赠送谢礼（价值1,000日元的礼品）。