Masanori Hirano, Kentaro Imajo, Kentaro Minami, and Takuya Shimada. Efficient Learning of Nested Deep Hedging using Multiple Options. In IIAI AAI 2023.
Masahiro Kato, Masaaki Imaizumi, and Kentaro Minami. Unified Perspective on Probability Divergence via the Density-Ratio Likelihood: Bridging KL-Divergence and Integral Probability Metrics. In AISTATS 2023.
Yugo Fujimoto, Kei Nakagawa, Kentaro Imajo, and Kentaro Minami. Uncertainty Aware Trader-Company Method: Interpretable Stock Price Prediction Capturing Uncertainty. In IEEE Big Data 2022.
K. Ito, K. Minami, K. Imajo, and K. Nakagawa. Trader-Company Method: A Metaheuristic for Interpretable Stock Price Prediction. AAMAS 2021. (preprint)
K. Imajo, K. Minami, K. Ito, and K. Nakagawa. Deep Portfolio Optimization via Distributional Prediction of Residual Factors. AAAI 2021. (preprint)
C. Chu, K. Minami, and K. Fukumizu. The equivalence between Stein variational gradient descent and black-box variational inference. ICLR 2020 Workshop on Integration of Deep Neural Models and Differential Equations, Addis Ababa, Ethiopea, April 2020.
C. Chu, K. Minami, and K. Fukumizu. Smoothness and Stability in GANs. The Eighth International Conference on Learning Representations (ICLR2020), Addis Ababa, Ethiopea, April 2020. (paper)
K. Minami, H. Arai, I. Sato, and H. Nakagawa. Differential privacy without sensitivity. The Thirtieth Annual Conference on Neural Information Processing Systems (NIPS2016), Barcelona, Spain, December 2016. (paper)
K. Minami, H. Arai, and I. Sato. $(\varepsilon, \delta)$-differential privacy of Gibbs posteriors. Learning and privacy with incomplete data and weak supervision (satellite workshop at NIPS2015), Montreal, Canada, December 2015. (Best Paper Award)
Shota Imaki, Kentaro Imajo, Katsuya Ito, Kentaro Minami, and Kei Nakagawa. No-Transaction Band Network: A Neural Network Architecture for Efficient Deep Hedging. The Journal of Financial Data Science. Volume 5, Number 2, 84-99, 2023. paper preprint
Liu Ziyin, Katsuya Ito, Kentaro Imajo, and Kentaro Minami. Power laws and symmetries in a minimal model of financial market economy. Physical Review Research. Volume 4, Number 3, 2022. preprint
K. Minami. Estimating piecewise monotone signals. Electronic Journal of Statistics. Volume 14, Number 1, 1508-1576, 2020. paper preprint
K. Minami. Degrees of freedom in submodular regularization: A computational perspective of Stein's unbiased risk estimate. Journal of Multivariate Analysis, Volume 175, January 2020, 104546. paper
南賢太郎，荒井ひろみ，佐藤一誠，中川裕志．差分プライベート弱学習器の統合．情報処理学会論文誌：数理モデル化と応用(TOM), 8(2):31--43, 2015.
Deep Learning for Financial Applications. 東京大学 知の物理学研究センター (IPI)，2022年7月．
スタートアップ企業におけるファイナンス機械学習の研究．東京大学 第一回DSSシンポジウム，2022年6月．
深層学習による株価予測と資産運用への応用の実際．第12回AI・ビッグデータ経済モデル研究会，2022年6月．
Degrees of freedom in submodular regularization: A computational perspective of Stein’s unbiased risk estimate. Recent Advances on SLOPE (jointly organized by Wrocław University, University of Burgundy, and Lund University), 2021年12月．
南賢太郎．Optimal rates in piecewise monotone regression. 第3回 統計・機械学習若手シンポジウム「統計・機械学習の交わりと拡がり」．2018年8月．
南賢太郎．Differential privacy without sensitivity. 第20回情報論的学習理論ワークショップ (IBIS2017)．
南賢太郎．低次元サポートをもつ分布の推定について．第21回情報論的学習理論ワークショップ (IBIS2018)，北海道，2018年11月．（学生最優秀プレゼンテーション賞）
K. Minami. On low-dimensional piecewise linear support estimation. 2018年度統計学会連合大会，東京，2018年9月．
南賢太郎，駒木文保．グラフ上の区分単調信号の推定．第20回情報論的学習理論ワークショップ (IBIS2017)，東京，2017年11月．.（学生最優秀プレゼンテーション賞）
南賢太郎，駒木文保．グラフ上の近単調回帰．2016年度統計学会連合大会，愛知，2017年9月．（コンペティションセッション最優秀報告賞）
南賢太郎，駒木文保．劣モジュラ正則化の自由度．情報論的学習理論と機械学習研究会 (IBISML)，東京，2017年3月．(2016年IBISML研究会賞ファイナリスト）
南賢太郎．劣モジュラ正則化雑音除去の自由度．第19回情報論的学習理論ワークショップ (IBIS2016)，京都，2016年11月．
南賢太郎，加藤尚徳，村上陽亮，荒井ひろみ．差分プライバシーにおける情報保護と効用のトレードオフについて．情報ネットワーク法学会第16回研究⼤会，東京，2016年11月．
南賢太郎，荒井ひろみ，佐藤一誠，中川裕志．ギブス事後分布による差分プライベート学習．2016年度統計学会連合大会，石川，2016年9月．
南賢太郎，荒井ひろみ，佐藤一誠，中川裕志．差分プライバシーと擬ベイズ事後分布．情報論的学習理論と機械学習研究会 (IBISML)，沖縄，2015年6月．(2015年IBISML研究会賞）
南賢太郎，荒井ひろみ，佐藤一誠，中川裕志．Gibb 事後分布の (ε, δ)-差分プライバシー．第18回情報論的学習理論ワークショップ (IBIS2015)，茨城，2015年11月．（学生最優秀プレゼンテーション賞）
南賢太郎，荒井ひろみ，佐藤一誠，中川裕志．差分プライベート統合を用いた分散データからの線形回帰．第29回人工知能学会全国大会 (JSAI2015)，北海道，2015年5 月．
南賢太郎，荒井ひろみ，佐藤一誠，中川裕志．差分プライベート弱学習器の統合．第102回数理モデル化と解決 (MPS) 研究会，長崎，2015年3月．
南賢太郎，小宮山純平，佐藤一誠，中川裕志．Thompson samplingによるベイズ的最適化．第18回情報論的学習理論ワークショップ (IBIS2014)，愛知，2014年11月．
Researcher, Preferred Networks Inc.
2019/4 -- present
JSPS Research fellow (DC2)
2017/4 -- 2019/3
Graduate School of Information Science and Technology, The University of Tokyo
2016/4 -- 2017/3 Research assistant (IST-RA)
NEC Knowledge Discovery Research Laboratories
2015/5 -- 2015/8 Internship