Department
of
Information
and
Mathematical
Science

研究者リスト >> 新田 徹
 

新田 徹

 
アバター
研究者氏名新田 徹
 
ニッタ トオル
URLhttps://www2.rikkyo.ac.jp/web/tnitta/
所属東京女子大学
部署現代教養学部 数理科学科 情報数理科学専攻
職名教授
学位博士(工学)(筑波大学)

研究分野

 
  • 情報通信 / ソフトコンピューティング / 

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   Hui Hu Gan   
Proceedings of Joint 11th International Conference on Soft Computing and Intelligent Systems and 21st International Symposium on Advanced Intelligent Systems, SCIS & ISIS2020   1-3   2020年12月   [査読有り]
 
Tohru Nitta   
arXiv Preprint   arXiv:1806.04884v2    2020年   
 
Tohru Nitta   Masaki Kobayashi   Danilo P. Mandic   
IEEE TRANSACTIONS ON SIGNAL PROCESSING   67(15) 3985-3994   2019年8月   [査読有り]
We provide a rigorous account of the equivalence between the complex-valued widely linear estimation method and the quaternion involution widely linear estimation method with their vector-valued real linear estimation counterparts. This is achieve...
 
Tohru Nitta   
MATHEMATICAL METHODS IN THE APPLIED SCIENCES   41(11) 4170-4178   2018年7月   [査読有り]
It has been reported that training deep neural networks is more difficult than training shallow neural networks. Hinton etal. proposed deep belief networks with a learning algorithm that trains one layer at a time. A much better generalization can...
 
Tohru Nitta   Yasuaki Kuroe   
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS   29(5) 1689-1702   2018年5月   [査読有り]
In this paper, we first extend the Wirtinger derivative which is defined for complex functions to hyperbolic functions, and derive the hyperbolic gradient operator yielding the steepest descent direction by using it. Next, we derive the hyperbolic...

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。

所属学協会

 
 
   
 
電子情報通信学会
 
   
 
日本神経回路学会

共同研究・競争的資金等の研究課題

 
 
ニューラルネットワークの特異点の解消
日本学術振興会: 科学研究費助成事業 基盤研究(C)
新田 徹 
研究期間: 2016年4月 - 2021年3月
 
組み合せ構造を持つ確率モデル構築のための学習理論
日本学術振興会: 科学研究費助成事業 萌芽研究
高畠 一哉 赤穂 昭太郎 新田 徹 神嶌 敏弘 西森 康則 藤木 淳 
研究期間: 2002年 - 2004年