【担当教員】

濵砂 幸裕 博士（工学）

所属

• 近畿大学情報学部情報学科

• 近畿大学大学院総合理工学研究科エレクトロニクス系工学専攻

• 近畿大学情報学研究所（兼務）

学歴

2001年3月 日向学院高等学校 卒業

2001年4月 筑波大学第三学群工学システム学類 入学

2005年3月 筑波大学第三学群工学システム学類 卒業

2005年4月 筑波大学大学院システム情報工学研究科リスク工学専攻博士前期課程 入学

2007年3月 筑波大学大学院システム情報工学研究科リスク工学専攻博士前期課程 修了

2007年4月 筑波大学大学院システム情報工学研究科リスク工学専攻博士後期課程 入学

2010年3月 筑波大学大学院システム情報工学研究科リスク工学専攻博士後期課程 修了

博士（工学）

職歴

2009年4月 日本学術振興会特別研究員 DC2

2010年4月 日本学術振興会特別研究員 PD

2011年4月 近畿大学理工学部情報学科 助教

2014年4月 近畿大学理工学部情報学科 講師

2022年4月 近畿大学情報学部情報学科 准教授

【知能情報基礎研究室の概要】

知能情報基礎研究室のメンバー（2022年度）

• 前期課程2年：1名

• 前期課程1年：9名

• 学部4年：8名

研究室の指導方針

• コアタイムはありませんが週に4日以上は研究室に顔を出してください（やることやってれば問題ありません）

• 研究の個別相談は適宜対応します（オンラインでもOKです）

• 研究室全体のゼミ（全体ゼミ）が毎週あります

• 学部生は全体ゼミでの進捗報告を中心に進めます（大体隔週での報告になります）

• 院生は輪講や論文ゼミ・個別の研究ミーティングを中心に進めます

主な研究テーマ

• クラスタリングに関する基礎研究（理論・アルゴリズム・評価指標の構築）

  • ネットワークデータに対するクラスタリング

  • 時系列データに対するクラスタリング

  • クラスタ数の自動推定

• データサイエンスの応用に関する研究

• 異常検知に関する研究

研究活動を通じて身につけて欲しい能力

• 数学（問題解決の王道は「思考力」です。数学を学ぶだけでなく、数学を通じて「思考力」を鍛えます。）

• プログラミング（問題解決のアイディアを実現する方法の1つであるプログラミングスキルを鍛えます。）

• プレゼンテーション（発表・文章作成・議論などのプレゼンテーション能力を鍛えます。）

数学・プログラミング・プレゼンテーションを重視していますが、現時点で得意である必要はありません。

極端な苦手意識がなければ十分やっていけます。

卒研ゼミの内容

• 機械学習などに関する専門書の輪講（2020年度は「機械学習のエッセンス」を予定しています。）

• Python（練習問題と簡単な実技試験をやります。参考書は研究室に用意してあります。）

• プレゼンテーション（半期で自己紹介・輪講内容などについて、1人3〜4回プレゼンしてもらいます。）

卒業研究を進めるための基礎能力の向上にじっくり取り組みます。

就職活動について

• 就職した後のことを具体的に考えましょう（働く姿、住む場所、通勤路線、趣味、休日の過ごし方）

• 得意なことを仕事にすることを考えましょう（技術の習得が得意、話す・教えるのが得意、考えるのが得意）

• 自分の特徴をきちんとアピールしましょう（自分自身を上手にプレゼンすることは就職後も重要です）

エントリーシートの添削・面接練習など必要に応じてサポートします。

大学院への進学について

• 専門書・論文の輪講、研究テーマの発展を通じて数理的能力を伸ばし、高い専門能力につなげます。

• 国内学会だけでなく、国際会議での口頭発表を通じて英語力の向上にもチャレンジします。

• 研究を通じて「思考力・問題解決力・プレゼン力」を身に付けます。

研究室配属からの3年半をしっかり研究に取り組めるよう、個別ゼミ・計算機や文献の整備・学会等への参加についてサポートします。

大学院で研究活動に取り組むことで、視野を拡げる・自信をつける・専門分野を深めることができます。

大規模データの解析方法と新たな価値を発見する分析力で世界を変えたい人を歓迎します。

【研究業績（研究室所属の学生が執筆・発表したもの）】

研究室所属の学部生・大学院生が発表したリストです。斜体が学生になります。

濵砂の全業績、外部資金獲得状況などはresearchmap等を確認してください。

学術論文（査読あり）

1. 津田暢彦, 濵砂幸裕, 遠藤靖典, 時系列データに対する3種類のサイズコントロールクラスタリング, 知能と情報（日本知能情報ファジィ学会誌）, Vol. 33, No. 2, pp. 608–616, 2021.

2. Y. Kingetsu, Y. Hamasuna, Jensen-Shannon Divergence based k-medoids Clustering, Journal of Advanced Computational Intelligence and Intelligent Informatics (JACIII), Vol. 25, No. 2, pp. 226–233, 2021.

国際会議（査読あり）

1. N. Tsuda, Y. Hamasuna, Controlled-Sized Clustering for Time-Series Data, Joint 11th International Conference on Soft Computing and Intelligent Systems and 21th International Symposium on Advanced Intelligent Systems (SCIS & ISIS 2020), pp. 251–255, (Toyama, Japan, Dec. 5–7, 2020, Online).

2. S. Nakano, Y. Hamasuna, and Y. Endo, A Study on Controlled Node Sized Network Clustering for Unweighted Network Data, Joint 10th International Conference on Soft Computing and Intelligent Systems and 19th International Symposium on Advanced Intelligent Systems (SCIS & ISIS 2018), pp. 826–831, (Toyama, Japan, Dec. 7, 2018).

3. D. Kobayashi, Y. Hamasuna, A Study on Clustering Unweighted Network Data and Its Evaluation Using Cluster Validity Measures, Joint 10th International Conference on Soft Computing and Intelligent Systems and 19th International Symposium on Advanced Intelligent Systems (SCIS & ISIS 2018), pp. 648–653, (Toyama, Japan, Dec. 6, 2018).

4. R. Ozaki, Y. Hamasuna, and Y. Endo, Proc. of 2017 IEEE International Conference on Systems, Man, and Cybernetics (IEEE SMC 2017), (Banff, Canada, Oct. 7, 2017).

5. R. Ozaki, Y. Hamasuna, Y. Endo, A Method of Two-Stage Clustering Based on Cluster Validity Measures, Joint 8th International Conference on Soft Computing and Intelligent Systems and 17th International Symposium on Advanced Intelligent Systems (SCIS & ISIS 2016), pp. 410–415, (Sapporo, Hokkaido, Japan, Aug. 27, 2016).

国内学会・シンポジウム・研究会

1. 西村 佳洋, 濵砂 幸裕, クラスタリングを用いた時系列データに対する異常検知における Local Outlier Factor を用いた評価, 2021年度SICE 関西支部・ISCIE シンポジウム, D2–4, pp. 117–118, (2022.1.7, オンライン).

2. 越川 遥太, 濵砂 幸裕, エッジサイズの制約に基づくネットワーククラスタリングの検討, 2021年度 SICE 関西支部・ISCIE シンポジウム, D2–5, pp. 119–120, (2022.1.7, オンライン).

3. 西村 佳洋, 濵砂 幸裕: クラスタリングを用いた時系列データに対する異常検知, 第23回日本知能情報ファジィ学会九州支部学術講演会, A103, pp. 12–17, (2021.11.27, オンライン).

4. 金月優斗, 濵砂幸裕, ガウス過程を用いたファジ c-回帰の検討, 第 36 回ファジィシステムシン ポジウム (FSS2020), WA1-3 (2020.9.9, オンライン).

5. 津田暢彦, 濵砂幸裕, 時系列データに対するサイズ調整クラスタリングに関する検討, 第 36 回 ファジィシステムシンポジウム (FSS2020), WA1-2 (2020.9.9, オンライン).

6. 北村壮馬, 西村 佳洋, 濵砂幸裕, Louvain 法を用いた RoboCupRescue における地図の分割と エージェント制御への応用に関する検討, 第 36 回ファジィシステムシンポジウム (FSS2020), WA1-1 (2020.9.9, オンライン).

7. 大津拓登, 北村壮馬, 濵砂幸裕, RoboCup 2Dリーグにおけるパッキングレートを用いた評価 , 第 35 回ファジィシステムシンポジウム (FSS2019), (大阪, 2019.8.30).

8. 北村壮馬, 大津拓登, 濵砂幸裕, RoboCup 2Dリーグに対する5レーン理論の実装と評価 , 第 35 回ファジィシステムシンポジウム (FSS2019), (大阪, 2019.8.30).

9. 金月優斗, 濵砂幸裕, JSダイバージェンスを用いたk-medoids, 第 35 回ファジィシステムシンポジウム (FSS2019), (大阪, 2019.8.30).

10. 津田暢彦, 濵砂幸裕, ボロノイ図に基づくクラスタ分割の妥当性評価, 第 35 回ファジィシステムシンポジウム (FSS2019), (大阪, 2019.8.30).

11. 大津拓登, 濵砂幸裕, DP-means と階層的クラスタリングを用いた 2 段階クラスタリング, 第 23 回曖昧な気持ちに挑むワークショップ (H&M2018), (富山, 2018.12.9).

12. 小林大記, 濵砂幸裕, 重みなしネットワークデータに対するクラスタリングとその評価, 第 34 回ファジィシステムシンポジウム (FSS2018), TC2-4 (名古屋, 2018.9.4).

13. 中野秀亮, 濵砂幸裕, 遠藤靖典, ノード数の制約に基づくネットワーククラスタリングの検討, 第 34 回ファジィシステムシンポジウム (FSS2018), TC2-3 (名古屋, 2018.9.4).

14. 尾﨑稜, 濵砂幸裕, ネットワークデータに対するクラスタ数推定アルゴリズムの検討, 第 27 回 インテリジェント・システム・シンポジウム, 2B2-2 (岡山, 2017.11.8). 優秀論文賞受賞

15. 尾﨑稜, 濵砂幸裕, ネットワークデータに対する妥当性基準を用いた階層的クラスタリング, 第 33 回ファジィシステムシンポジウム (FSS2017), TD2-2 (山形, 2017.9.14).

16. 尾﨑稜, 濵砂幸裕, 遠藤靖典, カーネル法に基づく妥当性基準を用いた 2 段階クラスタリン グ, 第 26 回インテリジェント・システム・シンポジウム (FAN2016), F3A4 (大阪, 2016.10.28). 和田賞（ベストプレゼンテーション賞）受賞

17. 藤澤拓也, 尾﨑稜, 濵砂幸裕, グラフクラスタリングに対する妥当性基準に関する一考察, 第 26 回インテリジェント・システム・シンポジウム (FAN2016), F1A3 (大阪, 2016.10.28).

18. 藏口雄丈, 濵砂幸裕, 妥当性基準を用いた x-means について, 第 6 回コンピューテーショナル・ インテリジェンス研究会, (大阪, 2014.12.9).