Takagishi, M., Sugimoto, T. and Terada, Y. (2022) [Invited], Ordinal probit models for heterogeneous thresholds using anchoring vignette, The 11th Conference of the IASC-ARS 2021, 2022.2., Kyoto, Japan.
Takagishi, M. and van de Velden, M. (2021) [Invited], Correcting and clustering preference data in the presence of response-style bias, the Virtual 63rd ISI World Statistics Congress 2021, 2021.7., Online.
Takagishi, M. (2019), New nonparametric approach to correct response bias on ordinal categorical data using Anchoring vignette, 12th International Conference of the European Research Consortium for Informatics and Mathematics Working Group on Computational and Methodological Statistics, 2019.12., University of London, London, U.K..
Takagishi, M. and van de Velden, M. (2019) [Invited], Visualization of heterogeneous class specific tendencies in categorical data, The 3rd International Conference on Econometrics and Statistics, 2019.6., the National Chung Hsing University, Taichung, Taiwan.
Groenen, P., Takagishi, M., and Terada, Y. (2018), Penalized k-Means, The 23rd International Conference on Computational Statistics, 2018.8., Unirea Hotel, Iasi, Romania.
Takagishi, M. and van de Velden, M. (2018), Visualizing external information in cluster correspondence analysis, The conference of Data Science, Statistics & Visualization, 2018.7., TU Wien, Viena, Austria.
Takagishi, M., and Yadohisa, H. (2017), Visualization of clustering on multiple data, 10th International Conference of the European Research Consortium for Informatics and Mathematics Working Group on Computational and Methodological Statistics, 2017.12., University of London, London, U.K..
Takagishi, M., van de Velden, M., and Yadohisa, H. (2017) [Invited], Clustering methods for preference data in the presence of response styles, The Conference of the International Federation of Classification Societies, 2017.8., Tokai University, Tokyo, Japan.
Takagishi, M., van de Velden, M., and Yadohisa, H. (2017), Clustering methods for ordered categorical data with response style, Joint Statistical Meeting, 2017.8., Baltimore, Baltimore Convention Center, U.S.A..
Takagishi, M. and Yadohisa, H. (2016), Registration method for functional data based on shape invariant model with t distribution, The 22nd International Conference on Computational Statistics, p.46, 2016.8., Auditorium/Congress Palace Principe Felipe, Oviedo, Spain.
Takagishi, M. and Yadohisa, H. (2016), Iteratively reweighted alignment method based on shape invariant model, The 7th International Forum on Statistics of Renmin University of China, 2016.5., Beijing, China.
Takagishi, M. and Yadohisa, H. (2015), Semi-supervised clustering for sparsely sampled longitudinal data, Complex Adaptive Systems, 2015.11, San Jose, the United States.
Takagishi, M., Hirotsuru, K., Kusaka, T., Mitsuhiro, M. and Yadohisa, H. (2013), Educational feature extraction across nations using UNdata, Proceedings of Joint meeting of the IASC satellite conference for the 59th ISI WSC and the 8th conference of the Asian regional section of the IASC, pp.429-431, 2013.8., Yonsei University, Seoul, Korea.
高岸茉莉子，杉本知之，寺田吉壱. (2021), 係留寸描法を用いた順序カテゴリカルデータにおける閾値の異質性のセミパラメトリックモデリング, 2021年度統計関連学会連合大会, 2021.9., オンライン開催.
高岸茉莉子，杉本知之. (2020), 異質な閾値を考慮した順序カテゴリカル回帰モデルのセミパラメトリック推定法の提案, 日本分類学会第39回大会, 2020.11., 同志社大学，京都.
高岸茉莉子，杉本知之. (2020), 異質な閾値をもつ順序カテゴリカルデータのためのセミパラメトリック推定に基づく補正法, 2020年度統計関連学会連合大会, 2020.9., オンライン開催.
高岸茉莉子. (2019), 係留寸描法を用いた回答バイアスの補正方法の提案, 2019年度統計関連学会連合大会, 2019.9., 滋賀大学，滋賀.
高岸茉莉子，van de Velden, M. (2018), カテゴリカルデータに対する解釈しやすいクラスター視覚化法の提案, 2018年度統計関連学会連合大会, 2018.9., 中央大学，東京.
高岸茉莉子, 宿久洋 (2017), 回答者評価の属性差・個人差の同時視覚化法の提案, 日本行動計量学会第45回大会, pp.306-307, 2017.9., 静岡県立大学，静岡.
高岸茉莉子, 宿久洋 (2017), 順序カテゴリカルデータに対する回答スタイルを考慮したクラスタリング法の提案, 第10回日本統計学会春季集会, 2017.3., 政策研究大学院，東京．
高岸茉莉子, 宿久洋 (2016), t分布を用いたロバストなアライメント法の提案, 日本計算機統計学会第30回大会, pp.93-96, 2016.5., ハートピア京都，京都．
高岸茉莉子, 宿久洋 (2016), Shape Invariant Modelに基づく繰り返し加重アライメント法の提案, 第9回日本統計学会春季集会, 2016.3., 東北大学，宮城．
高岸茉莉子, 宿久洋 (2015), 関数データ解析法による放射線モニタリングで得られたデータの解析について, 科研費シンポジウム空間データと災害の統計モデル, 2015.12，同志社大学，京都.
高岸茉莉子, 宿久洋 (2015), スパースな経時データに対する半教師ありクラスタリング法について, 日本計算機統計学会第29回大会, pp.1-4, 2015.5., 山梨県立図書館，山梨.
高岸茉莉子, 谷岡健資, 宿久洋 (2014), 雑音を考慮した独立成分分析混合モデルについて, 日本計算機統計学会第28回大会, pp.45-48, 2014.5., 中央大学，東京.