2024/02/02 更新

写真a

タカギシ マリコ
高岸 茉莉子
Takagishi Mariko
所属
環境生命自然科学学域 講師
職名
講師
外部リンク

学位

  • 文化情報学 ( 2019年9月   同志社大学 )

学歴

  • 同志社大学   Graduate of Culture and Information Science  

    2013年4月 - 2019年1月

      詳細を見る

  • 同志社大学   Faculty of Social Studies   Department of Education and Culture

    2008年4月 - 2013年3月

      詳細を見る

経歴

  • 岡山大学   学術研究院環境生命科学学域(工学部 数理データサイエンスコース 兼担)   講師

    2022年4月 - 現在

      詳細を見る

  • 大阪大学   大学院基礎工学研究科   特任助教

    2020年2月 - 2022年3月

      詳細を見る

  • 大阪大学   大学院基礎工学研究科   特任研究員

    2019年2月 - 2020年1月

      詳細を見る

  • 同志社大学   大学院文化情報学研究科   日本学術振興会特別研究員(DC2)

    2017年4月 - 2019年1月

      詳細を見る

 

論文

共同研究・競争的資金等の研究

  • データの層別に有用な外部情報を視覚的に把握するための統計手法の開発

    研究課題/領域番号:20K19755  2020年04月 - 2023年03月

    日本学術振興会  科学研究費助成事業 若手研究  若手研究

    高岸 茉莉子

      詳細を見る

    配分額:3770000円 ( 直接経費:2900000円 、 間接経費:870000円 )

    一般にデータ分析を行う際,対象をクラス分け(層別)した上でメイン変量群の解釈を行うことは有益である.例えばマーケティング調査データから顧客のtargetingを行う際も,「全対象は商品A(の購入意向が高い)」という情報より,「男性は商品Aだが,若者は商品B」,あるいは「男性かつ一人暮らしは商品A」といった情報の方が,実務上意義があると考えられる.本研究はこのようにメイン変量群と外部変量群(クラス分けに用いる変量)の関連を視覚的に把握するための手法開発を行う.ここで本研究では外部情報として性別,国籍などのクラス情報を表すカテゴリカル変量を想定する.まず上記目的を達成する単純な方法として,対象の座標をクラス(あるいはクラスの組み合わせ)ごとに平均をとり,それを 1つの座標点とする方法が考えられる.しかしこの方法ではクラス内の大多数の人が同じ傾向を持つ場合は,その傾向は視覚的にも解釈しやすい場合が多いが, 例えば大多数が似た傾向を持っている中,一部少人数の異なる傾向を持つ部分集団がいた場合,その集団の特定は難しくなる.そこで本研究ではまず,上記のように外部情報クラス内で複数の異なる傾向がある場合に,外部情報クラスごとに複数のクラスターを抽出し,それら全てを共通の低次元空間上に同時布置することで,少数グループの傾向でも視覚的に把握しやすいようにした.これにより,例え少人数のみが持つ傾向であっても,関連の強さの情報が保たれ,視覚化結果にも反映されやすくなる.また異なる外部情報クラスのクラスターを全て同じ空間上に布置することで,外部情報として複数の変量を用いることも可能となり,更に 異なる外部情報クラス間の関係も視覚的に解釈できる.

    researchmap

  • 係留寸描法を用いた回答バイアス補正のための統計モデルの開発

    研究課題/領域番号:19K23382  2019年08月 - 2021年03月

    日本学術振興会  科学研究費助成事業 研究活動スタート支援  研究活動スタート支援

    高岸 茉莉子

      詳細を見る

    配分額:2340000円 ( 直接経費:1800000円 、 間接経費:540000円 )

    researchmap

  • 関数データ解析法に基づくノイズの多い生体情報データへのレジストレーション法の開発

    研究課題/領域番号:17J06200  2017年04月 - 2019年03月

    日本学術振興会  科学研究費助成事業 特別研究員奨励費  特別研究員奨励費

    高岸 茉莉子

      詳細を見る

    配分額:1900000円 ( 直接経費:1900000円 )

    本研究では関数データ解析におけるレジストレーション法を拡張して,関数データの形の特徴を量的に評価するアプローチの開発を目的としている.2018年度の研究は大きく2種類に分けられる.
    1つめはノイズの多いデータが与えられた場合の,関数データ解析法に基づくレジストレーション法の開発である.具体的には,平均とは大きく異なるような形を持つ関数(外れ関数)に悪影響を受けないように平均の形を推定(ロバスト推定)し,かつとりわけ大きく異なる形を持つ外れ関数を特定するための,レジストレーション法を開発した.この研究の特徴としては,「形」を定量化するために,関数のデータを「強度差(垂直軸方向の違い)」,「位相差(平行軸方向の違い)」をそれぞれ定量化した指標に分解したことである.これにより,関数の形の「強度」,「位相」を単独で量的に評価することが可能になった.更に各指標にt分布を仮定したことで,それぞれの要素に外れ値があった場合でもロバストに平均の形を推定できるようにした.また各指標の平均からの距離を計算することで,形が平均関数から大きく離れた関数の検知を可能にした.また本手法を心電図データに実際に適用し,実用性を示した.これらの結果をまとめた論文を投稿し,年度末に出版された.
    もう1つの研究としては,2017年度の続きである,関数データ解析法に基づく,回答傾向の補正と,その補正された回答に基づくクラスタリングを行う手法の開発である.これも年度末にアクセプトを得て,年度明けに出版される.更に2018年度はこれを更に一般化させた手法を提案し,2件の学会発表を行った.

    researchmap

 

担当授業科目

  • プログラミング言語A-2 (2023年度) 第2学期  - 水3~4

  • ベイズ統計基礎 (2023年度) 第4学期  - 火3~4,金3~4

  • 数理プログラミング1 (2023年度) 第1学期  - 水3~4

  • 数理プログラミング2 (2023年度) 第2学期  - 水3~4

  • 機械学習入門 (2023年度) 第1学期  - 火7~8,金1~2

  • 機械学習特論 (2023年度) 前期  - 火3~4

  • 環境統計モデル特論A (2023年度) 夏季集中  - その他

  • 環境統計科学Ⅱ-1 (2023年度) 第1学期  - 火7,金1

  • 環境統計科学Ⅱ-2 (2023年度) 第1学期  - 火8,金2

  • 環境統計科学I-1 (2023年度) 第4学期  - 火3,金3

  • 環境統計科学I-2 (2023年度) 第4学期  - 火4,金4

  • 環境統計解析学演習 (2023年度) 前期  - その他

  • 環境統計解析学演習 (2023年度) 後期  - その他

  • 統計データ解析学演習A (2023年度) 通年  - その他

  • 統計データ解析学演習A (2023年度) 通年  - その他

  • 統計データ解析学演習B (2023年度) 通年  - その他

  • 統計データ解析学演習B (2023年度) 通年  - その他

  • 統計データ解析学特別演習 (2023年度) 通年  - その他

  • 統計データ解析学特論 (2023年度) 前期  - その他

  • 統計データ解析学特論 (2023年度) 後期  - その他

  • 統計データ解析特論A (2023年度) 夏季集中  - その他

  • プログラミング言語A-1 (2022年度) 第1学期  - 水1~2

  • プログラミング言語A-2 (2022年度) 第2学期  - 水1~2

  • 医学統計学 (2022年度) 前期  - 火3~4

  • 数理プログラミング1 (2022年度) 第1学期  - 水1~2

  • 数理プログラミング2 (2022年度) 第2学期  - 水1~2

  • 環境統計科学Ⅱ-1 (2022年度) 第3学期  - 金3~4

  • 環境統計科学Ⅱ-2 (2022年度) 第4学期  - 金3~4

  • 環境統計解析学演習 (2022年度) 前期  - その他

  • 環境統計解析学演習 (2022年度) 後期  - その他

  • 統計データ解析学特論 (2022年度) 後期  - その他

  • 統計学の基礎(自然・生命) (2022年度) 第4学期  - 月5~6

  • 線形代数 (2022年度) 1・2学期  - 金5~6

  • 線形代数 (2022年度) 1・2学期  - 金5~6

  • 線形代数1 (2022年度) 第1学期  - 金5~6

  • 線形代数2 (2022年度) 第2学期  - 金5~6

  • 線形代数I (2022年度) 1・2学期  - 金5~6

▼全件表示