|
研究キーワード ニューラルネットワーク
,クリフォード代数
,特異点
,四元数
,複素数
経歴 2024年4月 - 現在 東京女子大学 現代教養学部 数理科学科 情報数理科学専攻 教授
2023年4月 - 2024年3月 東京女子大学 現代教養学部 数理科学科 数学専攻 教授
2020年4月 - 2023年3月 立教大学大学院 人工知能科学研究科 特任教授
2001年4月 - 2021年3月 国立研究開発法人 産業技術総合研究所
2006年4月 - 2008年3月 大阪大学大学院 理学研究科 数学専攻 招聘教授
学歴 1983年4月 - 1985年3月 筑波大学大学院 修士課程 理工学研究科
1979年4月 - 1983年3月 筑波大学 第一学群自然学類 数学主専攻
論文 Tohru Nitta    Nonlinear Theory and Its Applications, IEICE 14(2) 175-192 2023年4月 [査読有り]
Tohru Nitta    Proceedings of the 2022 International Symposium on Nonlinear Theory and its Applications (NOLTA2022) 248-251 2022年12月 [査読有り]
Y. Okawa   S. Kanoga   T. Hoshino   T. Nitta    Proceedings of the 44th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC2022) 3232-3235 2022年7月 [査読有り]
Tohru Nitta    arXiv Preprint arXiv:1806.04884v3 2022年5月
Y. Okawa   T. Nitta    Proceedings of 13th Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC) 187-192 2021年12月 [査読有り]
書籍等出版物 T. Nitta(担当:分担執筆, 範囲:"N-Dimensional Vector Neuron and Its Application to the N-Bit Parity Problem", pp.59-74) Wiley-IEEE Press 2013年 |
T. Nitta(担当:分担執筆, 範囲:"Widely Linear Estimation with Geometric Algebra'', pp.293-308) Pennsylvania, Information Science Reference, USA 2013年 |
T. Nitta(担当:分担執筆, 範囲:"Ability of the 1-n-1 Complex-Valued Neural Network to Learn Transformations'', pp.566-596) Pennsylvania, Information Science Reference, USA 2011年 |
Tohru Nitta(担当:編集) Information Science Reference, Pennsylvania, USA 2009年2月 (ISBN:9781605662145) |
T. Nitta(担当:分担執筆, 範囲:"Complex-Valued Neural Network and Complex-Valued Back-Propagation Learning Algorithm'', pp.153-221) Elsevier, Amsterdam, The Netherlands 2008年 |
講演・口頭発表等 新田徹    東京女子大学学会 数学部会 2022年12月7日 [招待有り]
大河勇斗   新田徹    東北大学 電気通信研究所 共同プロジェクト研究会 「高次元・時空間ニューロダイナミクスとそれに基づくシステム構築への展開」 2022年3月7日
MISC 新田 徹    電子情報通信学会技術研究報告 : 信学技報 112(480) 7-12 2013年3月 本稿は,階層構造に基づいた危点を持たないニューラルネットワーク(NN)を実現しようとする試みである.まず,実NNおよび複素NNが階層構造に基づいた危点を持だないための十分条件を導く.次に,その十分条件の応用として,高次元NNをそれと等価な実NNあるいは複素NNに分解することによって,階層構造に基づいた危点を持たない実NNおよび複素NNが構成できることを示す.
新田 徹    計測と制御 = Journal of the Society of Instrument and Control Engineers 51(4) 384-389 2012年4月
新田 徹    電子情報通信学会誌 = THE JOURNAL OF THE INSTITUTE OF ELECTRONICS, INFOMATION AND COMMUNICATION ENGINEERS 87(6) 450-453 2004年6月 本稿では,複素ニューロンの計算能力の一端を紹介する.まず,通常の実数型の単一ニューロンでは解くことができない排他的論理和問題(XOR問題)と対称性検出問題を,単一複素ニューロンを使って解くことができることを示す.その際,複素ニューロンの決定表面が直交した二つの超平面から構成されていることを利用する.次に,具体的な応用例として,通信分野におけるフェージング等化問題が単一複素ニューロンを使うことによって,うまく解けることを示す.その際にも直交した決定表面がうまく活用される.
新田 徹    電子情報通信学会誌 83(8) 612-615 2000年8月
田中 敏雄   西田 健次   稲吉 宏明   新田 徹    電子情報通信学会技術研究報告. NC, ニューロコンピューティング 100(96) 41-48 2000年5月 扁桃体の情動の機能と海馬の連合機能を結び付けたニューラルネットワークによる情動・記憶モデルを提案する。扁桃体では、感覚器からの入力に対して価値判断が行われ、好き/嫌いの情動が発現する。一方、海馬では、感覚器からの入力からオブジェクトの学習/認識が行われる。扁桃体と海馬を情動を介して結び付けることにより、オブジェクトに対しても好き/嫌いの情動が発現することを計算機シミュレーションによって示す。
|
|
|