暗网禁区

时系列データの解析と予测のためのデータ駆动的モデリング
自然现象?社会现象の时系列データの解析や予测について研究しています．复雑な现象ではデータを记述するモデルの构成が难しいため，データ自体に「闻く」ことが重要です．そのため，时系列埋め込みや机械学习を駆使したデータ駆动的モデルを通じて解析や予测を行っています．

现代社会では，机器の高性能化も相まって，実験観测でもシミュレーションでも多くのデータを手にできるようになりました．せっかくのデータは有効に利活用してやらねばなりません．同じデータを扱うにしても，目的や课题は多种多様で，选ぶべき手法は変わり得ます．正しく选択するために重要な役割を果たすのは数理科学であり，统计科学であり，机械学习の知识です．あなたも自分の兴味あるデータについて，その生成规则や构造を明らかにしてみませんか？

Empirical evaluated SDE modelling for dimensionality-reduced systems and its predictability estimates, N. Nakano, M. Inatsu, S. Kusuoka and Y. Saiki, Japan J. Indust. Appl. Math., 35 (2018) Proper Choice of Spatio-Temporal Scale and Dataset Subsampling for Empirical CA Construction, A. Kawaharada, T. Miyaji and N. Nakano, 2015 Third International Symposium on Computing and Networking (2015)

◆ソメイヨシノの开花日予测の机械学习モデルと予测に寄与した要因の评価
◆Uncertainty Quantification を考慮した動的予測統合モデル
◆地震波时系列から火山喷火の分类と予测