Recently Initiated Projects
説明可能な機械学習 Explainable Machine Learning
機械学習モデルの振る舞いを説明する技術を研究するプロジェクトです。
Research project on studying the technologies for explaining the behaviors of machine learning models.
Software Technology
& Artificial Intelligence
Research
Laboratory
千葉工業大学
人工知能・ソフトウェア技術研究センター
ステアラボ Chiba Institute of Technology
人工知能・ソフトウェア技術研究センター
ステアラボ Chiba Institute of Technology
Featured Posts
-
Blog
西武台高校の生徒さんにAIの模擬講義を行いました We had a lecture on AI for students at Seibudai High School
-
Projects
NVIDIA GPUにおける正確なCNN学習時間予測のためのWebアプリケーション Web Application for Accurate CNN Training Time Prediction for NVIDIA GPUs
-
Blog
EACL 2024に論文が採択 Paper was accepted at EACL 2024
-
Blog
AISTATS 2024に論文が採択 A paper was accepted at AISTATS 2024
-
Blog
CVPR2023に論文が採択 Paper was accepted at CVPR 2023
-
Works
バラノナ app baranona app
Latest Research
-
Poster
レガシーCコードの構文解析の試み（SES2024） On parsing legecy C code
先日慶應大学日吉キャンパスにて開催された IPSJ/SIGSE Software Engineering Symposium (SES2024) にて、以下の内容のポスター発表を行いました。 レガシーシステムにありがちな... -
Publications
Using Benchmarking and Regression Models for Predicting CNN Training Time on a GPU Using Benchmarking and Regression Models for Predicting CNN Training Time on a GPU
Convolutional neural network (CNN) training typically demands substantial time, expensive computational resour... -
Poster
ドメイン汎化学習のための軽量な損失関数 A Lightweight Objective for Domain Generalization
重藤優太郎, 新保仁, 吉川友也, 竹内彰一 第27回 画像の認識・理解シンポジウム (MIRU) において、ドメイン汎化学習に関するポスター発表を行います。 -
Publications
Instance AttributionとFeature Attributionの一貫性制約を満たす集合関数の局所説明法 (JSAI2024) Local Explanations With Consistency Constraints Between Instance and Feature Attributions for Set Functions (JSAI2024)
吉川 友也, 木村 正成（ZOZO Research）, 清水 良太郎（ZOZO Research）, 斎藤 侑輝（ZOZO Research）, “Instance AttributionとFeature ...
Projects
Works
Recently Initiated Works
MetaVD Visualizer: 動作ラベルの関係付けを行ったメタ動画データセットの可視化 MetaVD Visualizer: a visualization tool of a meta video dataset that gives relationships between action labels
動作認識データセットにおける動作ラベルの関係を視覚的に理解できるWebツールです。
A web tool to visually understand the relationships between action labels on action recognition datasets
