Publications
-
2026.09.04
説明能力ベクトルは自己説明型モデルの良い初期値〜複数の画像分類タスクによる検証〜 (FIT2026) Explainability Vectors Serve as Effective Initial Parameters for a Self-Explanatory Model ‒ Validation Through Multiple Image Classification Tasks ‒
黒堂 裕也 (STAIRアルバイト), 吉川 友也第25回情報科学技術フォーラム 2026年9月 -
2026.09.04
四脚ロボット歩行制御の解釈に向けた説明可能AIの適用検討 (RSJ2026) Application Study of Explainable AI for Interpreting Quadruped Robot Locomotion Control (RSJ2026)
入江 清 (fuRo), 吉川 友也, 重藤 優太郎第44回日本ロボット学会学術講演会 2026年9月 -
2026.08.04
Compositional Concurrent Program Logic for Timestamp Semantics Compositional Concurrent Program Logic for Timestamp Semantics
Tatsuya Abe. Compositional Concurrent Program Logic for Timestamp Semantics. JSSST Computer Software, 43(3):24... -
2026.06.01
自己説明型画像分類モデルのFew-shotファインチューニングにおける説明能力ベクトルの効果（第88回情報処理学会全国大会） Effects of Explainability Vectors on Few-Shot Fine-Tuning of Self-Explaining Image Classifiers（IPSJ2026）
黒堂裕也(千葉工業大学, STAIRアルバイト), 吉川友也 概要 画像分類タスクにおいて，大規模データセットで事前学習した，分類と説明を一度に行える自己説明型モデルのパラメータから，判断根拠を可視化できる説明能力ベクト... -
2026.04.23
インストラクションチューニングにおけるノイズ注入の分析と明示的な正則化法の提案 インストラクションチューニングにおけるノイズ注入の分析と明示的な正則化法の提案
以下の内容で言語処理学会年時大会で発表を行いました。 インストラクションチューニングにおけるノイズ注入の分析と明示的な正則化法の提案 重藤 優太郎, 新保 仁, 言語処理学会 第32回年次大会, pp. 3728-373... -
2025.11.02
On the Correctness of Software Merge (ASE2025) On the Correctness of Software Merge
2025年11月に韓国で開催される国際会議 The 40th IEEE/ACM International Conference on Automated Software Engineering の研究論文トラックにお... -
2025.04.17
A machine learning model for predicting fertilization following short-term insemination using embryo images (Reproductive medicine and biology) A machine learning model for predicting fertilization following short-term insemination using embryo images (Reproductive medicine and biology)
Masato Saito, Hirofumi Haraguchi, Ikumi Nakajima, Shinya Fukuda, Chenghua Zhu, Norio Masuya, Kazunori Matsumot... -
2025.04.10
Disentangling Likes and Dislikes in Personalized Generative Explainable Recommendation (WWW2025) Disentangling Likes and Dislikes in Personalized Generative Explainable Recommendation (WWW2025)
Ryotaro Shimizu, Takashi Wada, Yu Wang, Johannes Kruse, Sean O’Brien, Sai HtaungKham, Linxin Song, Yuya ... -
2024.09.03
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... -
2024.06.01
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 ...