2024/09/26 更新

写真a

カンマ　コウジ
菅間　幸司
所属
システム工学部 知能情報学メジャー
職名
講師
兼務
情報学領域（講師）
外部リンク

学歴

  • 2018年
    -
    2021年

    和歌山大学   大学院システム工学研究科  

  • 2012年
    -
    2014年

    東京大学   大学院工学系研究科   化学システム工学専攻  

  • 2007年
    -
    2012年

    東京大学   工学部   化学システム工学科  

経歴

  • 2022年07月
    -
    継続中

    和歌山大学   システム工学部   特任助教

  • 2020年04月
    -
    2022年04月

    独立行政法人日本学術振興会   特別研究員

所属学協会

  • 電子情報通信学会

研究分野

  • 情報通信 / 知覚情報処理 / 機械学習

  • 情報通信 / 知覚情報処理 / コンピュータビジョン

研究キーワード

  • 機械学習

  • 深層学習

論文

  • Pruning based on Activation Function Outputs for Efficient Neural Networks

    Koji Kamma, Toshikazu Wada (担当区分： 筆頭著者 )

    2023 IEEE International Conference on Systems, Man, and Cybernetics (SMC)     2023年10月

  • Pruning with Output Error Minimization for Compressing Deep Neural Networks

    Koji Kamma, Toshikazu Wada

    MIRU2023     2023年07月

  • Pruning Ratio Optimization with Layer-Wise Pruning Method for Accelerating Convolutional Neural Networks.

    Koji Kamma, Sarimu Inoue, Toshikazu Wada

    IEICE Transactions on Information & Systems   105-D ( 1 ) 161 - 169   2022年

    DOI

  • REAP: A Method for Pruning Convolutional Neural Networks with Performance Preservation.

    Koji Kamma, Toshikazu Wada

    IEICE Transactions on Information & Systems   104-D ( 1 ) 194 - 202   2021年

    DOI

  • Neural Behavior-Based Approach for Neural Network Pruning.

    Koji Kamma, Yuki Isoda, Sarimu Inoue, Toshikazu Wada

    IEICE Transactions on Information & Systems   103-D ( 5 ) 1135 - 1143   2020年

    DOI

  • Reconstruction Error Aware Pruning for Accelerating Neural Networks.

    Koji Kamma, Toshikazu Wada

    Advances in Visual Computing - 14th International Symposium on Visual Computing ( Springer )    59 - 72   2019年

    DOI

  • Behavior-Based Compression for Convolutional Neural Networks.

    Koji Kamma, Yuki Isoda, Sarimu Inoue, Toshikazu Wada

    Image Analysis and Recognition - 16th International Conference ( Springer )    427 - 439   2019年

    DOI

  • 高精度なNear-Infrared Spectroscopyモデル構築を目指した新規スペクトル解析手法の開発

    菅間 幸司, 金子 弘昌, 船津 公人

    Journal of Computer Aided Chemistry ( 公益社団法人 日本化学会・情報化学部会 )  15   1 - 9   2014年

    　概要を見る

    食品の安全および安心を確保するため近赤外スペクトル(near-infrared spectroscopy, NIR)法による内部品質予測が広く用いられている。NIR法では近赤外スペクトルと食品中の成分濃度との間で回帰モデルが構築される。しかし、スペクトルに含まれるノイズの影響や目的成分と他成分が同じ波長領域にピークを持つことにより、モデルの予測精度が低下するという問題点がある。この問題に対してスペクトルの微分が活用されている。目的成分に由来する強い吸光度を示す波長領域 (ピーク) が、他成分に由来する幅の広いピークと重複している場合、スペクトルの微分によりピーク重複の影響を軽減できる。しかし一方で微分によって測定ノイズは増幅してしまう。これらの作用による影響の大きさは微分次数によって変化するため、高精度なモデルを構築するためにはデータによって適切な微分次数を選択する必要がある。また、目的成分のピークがスペクトルの複数の領域に存在する場合、他成分とのピーク重複による影響を軽減するために最適な微分次数は領域ごとに異なる場合がある。そこで本論文では、微分前のスペクトルや各次数で微分したスペクトルに加えてそれらの組み合わせを説明変数としたモデル構築の検討を行った。またピーク重複やノイズによる影響の大きさはモデル構築用データ数によって変化すると考え、モデル構築用データ数に応じて適切なモデルを選択する手法を提案した。提案手法の有効性を検証するためシミュレーションデータおよび蜜柑の測定データを用いた解析を行った。その結果、モデル構築用データ数によって各モデルの優劣が変化することおよび提案手法により予測精度の高いモデルを選択できることを確認した。

    DOI

  • 2次元Quantitative Structure-Retention Relationshipモデルの構築と逆解析を利用した構造推定

    菅間 幸司, 金子 弘昌, 船津 公人

    ケモインフォマティクス討論会予稿集 ( 公益社団法人 日本化学会・情報化学部会 )  2013   O10 - O10   2013年

    　概要を見る

    ガスクロマトグラフィー(GC)や2次元GC(GC-GC)は分離、構造推定および定量分析を行う手法である。GCやGC-GCでは化合物の保持時間を測定し、測定結果をデータベースと比較して構造推定を行うが、保持時間が未知である新規化合物の構造推定は難しい。そこで新規化合物の保持時間を予測するためにQuantitative Structure Retention Relationship (QSRR)が提案されており、これまでに限られた化合物種に特化した高精度なQSRRモデルの構築がなされてきた。本研究ではGC-GCにおける多様な化合物の保持時間を高精度で予測するモデルの構築を目指す。さらに、QSRRモデルを用いた逆解析による構造推定手法を開発する。保持時間の目標値を定め、その値を様々な構造の保持時間の予測値と比較して構造推定を行う。予測値と目標値を比較する際は予測誤差が問題となるが、本手法では予測値の信頼性に基づいて構造ごとに異なる許容誤差を設けることで対処する。GC-GCにより測定された化合物データを用いて解析を行い、本手法の有用性を示した。

    DOI

  • 頑健かつ高精度なモデルの構築を目指した新規近赤外スペクトル解析手法の提案

    菅間 幸司, 金子 弘昌, 船津 公人

    ケモインフォマティクス討論会予稿集 ( 公益社団法人 日本化学会・情報化学部会 )  2012   1B1a - 1B1a   2012年

    　概要を見る

    近赤外スペクトル法を利用した非破壊検査の普及が進んでいる。近赤外領域ではピークの重複が多く、高精度なモデルを構築するためには工夫が必要である。一般的には微分スペクトルを単独で用いて対処されることが多い。我々は、最適微分次数がピークの重なり方に依存することを考慮し、様々な微分次数のスペクトルを組み合わせてモデリングを行う手法を提案した。シミュレーションデータ及び実データを用いた検証を行い、提案手法の有効性を示した。

    DOI

▼全件表示

受賞（研究活動に関するもの）

  • PRMU研究会ベストプレゼンテーション賞

    2022年12月    

  • 情報処理学会2020年度研究会推薦論文

    2021年05月    

  • ICIAR2019 best paper award

    2019年08月    

  • MIRU学生奨励賞

    2019年07月    

講演・口頭発表等

  • DNN モデルの圧縮法 - 効率的な AI の実現に向けて

    菅間幸司

    電子情報通信学会総合大会  2023年03月07日  

特許

  • ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、及びコンピュータプログラム

    特許番号： 特許第7533933号

    登録日： 2024年08月05日 

    出願日： 2020年07月20日 （ 特願2020-123973 ）   公開日： 2022年02月01日 （ 特開2022-20464 ）  

    発明者： 和田俊和、菅間幸司  出願人： 国立大学法人和歌山大学

  • ニューラルネットワーク処理装置、コンピュータプログラム、ニューラルネットワーク製造方法、ニューラルネットワークデータの製造方法、ニューラルネットワーク利用装置、及びニューラルネットワーク小規模化方法

    特許番号： 特許第7438544号

    登録日： 2024年02月16日 

    出願日： 2019年08月28日 （ 特願2020-546831 ）   公表日： 2020年03月19日 （ WO2020/054402 ）

    発明者： 和田俊和、菅間幸司、磯田雄基  出願人： 国立大学法人和歌山大学

  • ニューラルネットワークの圧縮方法、ニューラルネットワーク圧縮装置、コンピュータプログラム、及び圧縮されたニューラルネットワークデータの製造方法

    特許番号： 特許第7438517号

    登録日： 2024年02月16日 

    出願日： 2019年07月25日 （ 特願2019-137019 ）   公開日： 2021年02月18日 （ 特開2021-022050 ）  

    発明者： 和田俊和、菅間幸司  出願人： 国立大学法人和歌山大学

  • ニューラルネットワークの圧縮のためにコンピュータによって実行される方法、ニューラルネットワーク圧縮装置、コンピュータプログラム、及び圧縮されたニューラルネットワークデータの製造方法

    出願日： 2024年06月14日 （ 特願2024-096813 ）  

    発明者： 菅間幸司  出願人： 国立大学法人和歌山大学

  • 画像処理装置

    出願日： 2022年12月07日 （ 特願2022-195687 ）  

    発明者： 和田俊和、菅間幸司、岡山敏之、野口　威、島田佳典 

科学研究費

  • DNNアーキテクチャの対称性破れを利用した効率的学習法の開発

    2024年04月
    -
    2026年03月
     

    若手研究  代表

財団・企業等との共同研究、受託研究、学術指導等

  • AIを利用した画像解析によるミニトマトの生育診断技術の開発

    2024年06月
    -
    2025年02月
     

    共同研究  分担

  • 商品棚画像の解析及び精度向上に関する研究

    2024年04月
    -
    2025年03月
     

    共同研究  分担

  • Deep Learningを用いた光学検査装置の新規ソリューションの開発

    2024年04月
    -
    2025年03月
     

    共同研究  分担

  • 画像解析によるミニトマトの生育診断手法の開発

    2023年04月
    -
    2024年02月
     

    共同研究  分担