Talks & Articles (in Japanese)

Invited Talks & Articles

1. 金森 憲太朗:
   "アルゴリズム的償還を考慮した決定木および決定森の学習"
   第24回情報科学技術フォーラム (FIT2025) トップコンファレンスセッション, September 2025. 

2. Kentaro Kanamori, Takuya Takagi, Ken Kobayashi, Yuichi Ike:
   "Learning Decision Trees and Forests with Algorithmic Recourse"
   日本ソフトウェア科学会第41回大会 トップカンファレンス・トップ論文誌特別講演, September 2024. 

3. 金森 憲太朗:
   "反実仮想説明に基づくアクション推薦可能な機械学習"
   日本応用数理学会 ものづくり企業に役立つ応用数理手法の研究会 第57回技術セミナー, August 2024. 

4. 金森 憲太朗, 高木 拓也:
   "説明可能な機械学習のための数理最適化―混合整数線形最適化に基づく反実仮想説明法―""
   応用数理, vol. 33, No. 4, pp. 207-212, December 2023.

5. 金森 憲太朗:
   "整数計画法に基づく説明可能な機械学習へのアプローチ"
   人工知能学会 第115回人工知能基本問題研究会 (SIG-FPAI 115) 招待講演, January 2021.
   [slide]

Domestic Conference Papers

1. 金森 憲太朗, 高木 拓也, 小林 健, 池 祐一:
   "アルルゴリズム的償還を考慮した決定木学習"
   人工知能学会 第128回人工知能基本問題研究会 (SIG-FPAI 128), 予稿集, pp. 34-39, March 2024.

2. 金森 憲太朗, 高木 拓也, 小林 健, 池 祐一:
   "欠損データに対する反実仮想説明法"
   第37回人工知能学会全国大会 (JSAI 2023), 3Xin4-71, June 2023.

3. 又 康太, 金森 憲太朗, 有村 博紀:
   "決定木アンサンブルにおける出現頻度比に基づく変数重要度"
   第34回人工知能学会全国大会 (JSAI 2020), 4Rin1-26, June 2020.

4. 金森 憲太朗, 高木 拓也, 小林 健, 有村 博紀:
   "混合整数線形計画法に基づく実現可能性を考慮した反事実的説明法"
   第34回人工知能学会全国大会 (JSAI 2020), 3Rin4-44, June 2020.

5. 有村 博紀, 金森 憲太朗, 王 叶:
   "決定木要約の効率良い構築法: 説明可能な人工知能の実現に向けて"
   第34回人工知能学会全国大会 (JSAI 2020), 3E1-GS-2-05, June 2020.

6. 金森 憲太朗, 有村 博紀:
   "Fairness-aware Edit of Thresholds in a Learned Decision Tree Using a Mixed Integer Programming Formulation"
   第33回人工知能学会全国大会 (JSAI 2019), 3Rin2-11, June 2019.

7. 金森 憲太朗, 有村 博紀:
   "整数計画法に基づく学習済み決定木の公平性を考慮した編集法"
   人工知能学会 第108回人工知能基本問題研究会 (SIG-FPAI 108) 予稿集, SIG-FPAI-B802, pp. 6-11, January 2019. 人工知能学会2018年度研究会優秀賞.  

8. 金森 憲太朗, 原 聡, 石畠 正和, 有村 博紀:
   "モデル選択のためのサポートベクトル列挙"
   第33回情報論的学習理論と機械学習研究会 (IBISML 33), 信学技報, vol. 118, no. 81, IBISML2018-12, pp. 81-88, June 2018.

9. 金森 憲太朗, 石畠 正和, 湊 真一, 有村 博紀:
   "順序決定木に対する正則化パラメータ推定の高速化"
   人工知能学会 第105回人工知能基本問題研究会 (SIG-FPAI 105) 予稿集, SIG-FPAI-B508, pp. 50-57, January 2018.

Domestic Conference Presentations

1. 金森 憲太朗:
   "説明可能な機械学習とアルゴリズム的償還"
   STRセミナー2024, September 2024.

2. 金森 憲太朗:
   "局所解釈可能なルールアンサンブル"
   第26回情報論的学習理論ワークショップ (IBIS 2023), October 2023.

3. 金森 憲太朗:
   "反実仮想に基づく説明可能な機械学習"
   コンピューティング基盤CREST「学習/数理モデルに基づく時空間展開型アーキテクチャの創出と応用」フォレストワークショップ, February 2021.
   [slide]

4. 又 康太, 金森 憲太朗, 有村 博紀:
   "ルールリストに対するRashomon集合の厳密計算と予測多重性解析"
   第24回情報論的学習理論ワークショップ (IBIS 2021), November 2021.

5. 金森 憲太朗:
   "説明可能なAIに向けて: 反実仮想に基づく機械学習モデルの説明"
   北楡会・北海道大学情報系交流会, September 2021.

6. 金森 憲太朗:
   "混合整数線形計画法に基づく反実仮想説明法"
   STRセミナー2021, March 2021.

7. 又 康太, 金森 憲太朗, 有村 博紀:
   "Variable Importance Cloudの要約方法と決定木に対する実験的評価"
   第23回情報論的学習理論ワークショップ (IBIS 2020), November 2020.

8. 金森 憲太朗, 高木 拓也, 小林 健:
   "Distribution-Aware Counterfactual Explanation by Mixed-Integer Linear Optimization"
   第22回情報論的学習理論ワークショップ (IBIS 2019), November 2019.

9. 金森 憲太朗, 有村 博紀:
   "混合整数計画法に基づく公平性を考慮した決定木編集法"
   RIMS研究集会「数理計画問題に対する理論とアルゴリズムの研究」, August 2019.

10. 金森 憲太朗:
    "Counterfactual Explanationの列挙に向けて"
    基盤(S) 離散構造処理系プロジェクト 2019年度 初夏のワークショップ, June 2019.

11. 金森 憲太朗, 有村 博紀:
    "混合整数計画法に基づく公平性を考慮した決定木編集法"
    STRセミナー2019, March 2019.

12. 金森 憲太朗, 有村 博紀:
    "公平性を考慮した学習済み決定木の修正法"
    基盤(S) 離散構造処理系プロジェクト 2018年度 秋のワークショップ, November 2018.

13. 金森 憲太朗, 原 聡, 石畠 正和, 有村 博紀
    "サポートベクトル列挙による異常検出に向けて"
    基盤(S) 離散構造処理系プロジェクト 2018年度 初夏のワークショップ, July 2018.

14. 金森 憲太朗, 原 聡, 石畠 正和, 有村 博紀:
    "モデル選択のためのサポートベクトル列挙"
    基盤(S) 離散構造処理系プロジェクト「短期滞在セミナー週間 (SSSW) 2018.06」, June 2018.

15. 金森 憲太朗, 石畠 正和, 湊 真一, 有村 博紀:
    "順序決定木に対する正則化パラメータ推定の高速化"
    STRセミナー2018, March 2018.

Press Pleases & News Articles

1. 富士通の研究所が、今、熱い！挑戦し続ける研究員の研究環境を覗いてみた！｜富士通 広報note
   June 2025.

2. フレンドリーさと数理的裏付けを兼ね備えたAI を目指して : 富士通
   January 2025.

3. データドリブンな意思決定を変革する因果意思決定支援 - YouTube
   January 2025. 

4. ICML 2024 参加報告 - 日本データベース学会 Newsletter 2024年10月号 (Vol.17, No. 5) | 日本データベース学会
   October 2024. 

5. ICML2024 にて「アクション説明を考慮した決定木および木アンサンブルの学習技術」について発表します | fltech - 富士通研究所の技術ブログ
   July 2024. 

6. 富士通と北大、ＡＩの説明に一貫性ある技術開発　行動・社会変容つなぐ | 日刊工業新聞 電子版
   April 2022.

7. 「説明可能なAI」世界で初めて開発 北大・富士通研の共同研究で | THE MAINSTREET
   April 2021.

8. 反実仮想説明に基づくアクションの最適順序を推薦する新たなAI技術を開発 : 富士通
   February 2021.

9. 望む結果までの手順を導くことができる「説明可能なAI」を世界で初めて開発：富士通
   February 2021.