• 教授紹介｜Professor

プロフィール（詳細は「教授紹介」のリンクをクリック）

松山教授は， 「尤度最適化に基づく機械学習と計算知能」に関する成果により広く知られている． これは， 「記号とパターンの統合」を行ってIoCT (Internet of Collaborative Things)への貢献を図るものであり， 同教授が得た二つの博士号から出発している． 一つ目は，早稲田大学における工学博士論文「Studies on stochastic modeling of neurons」である． これは，神経系におけるスパイク列に存在するランダムさの中に 周波数変調を載せることができることを， 確率過程としてモデル化した成果である． そして二つ目は， スタンフォード大学におけるPh.D.論文「Process distortion measures and signal processing」である． これは，機械学習的クラスタリングによる音声信号の高能率情報圧縮を，その成果として含んでいる． 松山教授は 以上のような二分野における素養に基づいて， 「ヒト」に代表される生体そのものとその能力の代替を可能とする「マシン」の両方にまたがる 学習アルゴリズムの生成と応用において多くの貢献を果たしている． そして，松山教授は“Founder of the alpha-EM algorithm”とみなされている．

松山教授の貢献は次のようにグループ化できる．

• 機械学習とブロックチェーンの連動
• IoCT (Internet of Collaborative Things)

• ダイバージェンス族による尤度最適化法
• alpha-EMアルゴリズム（alpha-期待値最大化アルゴリズム）
• alpha-HMMアルゴリズム（alpha-隠れマルコフモデル推定アルゴリズム）
• Rapid ICAアルゴリズム（高速独立成分分析アルゴリズム）

• ニューラルネットワーク
• 脳信号によるヒューマノイド操作
• 脳信号による個人認証
• バイオインフォマティクス

• 類似画像検索システム（RIM, Retirival-aware IMage format）
• 類似ビデオ画像検索システム（video-to-video retrieval）

• 調和競合学習と自己組織化アルゴリズム（多目的最適化）
• 多重降下競合学習アルゴリズム（自己組織化と人の知能の融合）
• 音声信号のベクトル量子化（クラスタリングによる高能率情報圧縮）