筑波大学 · 数理物質系 · 教授
青嶋 誠
Aoshima Makoto
别名: AOSHIMA Makoto / アオシマ マコト / 青島 誠
Research fields
研究领域
按日本文部科学省 科研費審査区分表 自动归类。KAKEN 项目数越多,代表教授在该领域投入越深。第一个为「主业」。
- 主业統計科学細目
- 情報学中区分
- 数学中区分
- 数学一般(含確率論・統計数学)小区分
- 情報学基礎大区分
- 情報科学、情報工学およびその関連分野大区分
- 数物系科学大区分
- 理学大区分
- 理工系大区分
- 総合・新領域系大区分
- 総合系大区分
- 総合領域大区分
- 複合領域大区分
Research keywords
这位教授在研究什么
基于他/她公开的科研项目与论文自动提取的研究关键词,出现频次越高显示越大。
KAKEN grants
科研项目(近期在前)
KAKENHI 是日本科研最权威的经费系统,基金层级越高(S > A > B)越能反映影响力。
- 2025KAKENHI-基盤研究(A)高次元統計解析深層学習大規模マルチタスク学習スパース性非スパース性
- 2025KAKENHI-基盤研究(C)
統計的推定における高次の大偏差有効性に関する研究 ↗
大偏差確率漸近中央値不偏推定量鞍点近似有効性最尤推定量 - 2024KAKENHI-基盤研究(C)
人工知能に基づく非線形高次元小標本データ解析とその社会的応用 ↗
Fuzzy clusteringAI計算知能次元削減統計科学人工知能クラスタリング高次元小標本データ - 2022KAKENHI-基盤研究(C)
非線形特徴量に基づく新たな高次元統計理論の開発とその応用 ↗
高次元PCA高次元クラスタリング高次元共分散構造高次元k-means高次元天文データ異常値検出高次元漸近理論客観的総合指数 - 2022KAKENHI-挑戦的研究(萌芽)
テンソル構造をもつ巨大データの統計的圧縮技術の開発 ↗
データ圧縮深層学習高次元統計解析巨大データ次元の呪い - 2020KAKENHI-基盤研究(C)
3元型時系列高次元小標本データの解析とその社会的応用 ↗
Fuzzy ClusteringHDLSS DataScales of ClustersMixed DataPCASupport Vector MachineDeep LearningMultidimensional Scaling - 2020KAKENHI-基盤研究(A)
大規模複雑データの理論と方法論の革新的展開 ↗
高次元データ時空間データ高次元統計解析深層学習高次元小標本 - 2019KAKENHI-挑戦的研究(萌芽)
超高次元データによる個別化モデリングへの挑戦 ↗
超高次元データ個別化モデリング天体スペクトル次世代シーケンサークラスタリング個別化医療 - 2019KAKENHI-基盤研究(C)
広義の非正則モデルにおけるベイズ的推測に関する研究 ↗
切断指数型分布族切断分布族局外母数切断母数最尤推定量ベイズ推定量漸近損失中央値不偏推定量 - 2018KAKENHI-基盤研究(S)
広汎な観測に対する因果性の導入とその最適統計推測論の革新 ↗
時系列解析因果性分析統計推測時系列予測高次元統計解析秘匿データ分析計量ファイナンス医学統計
CiNii papers
近期论文 / 文章
CiNii 覆盖日本国内期刊、论文集、图书章节。只保留最近的 10 条。
- 2022日本数学会秋季総合分科会総合講演・企画特別講演アブストラクト
高次元現象の統計数理 ↗
- 2020数理解析研究所講究録
Tests for high-dimensional covariance structures under the non-strongly spiked eigenvalue model ↗
- 2019数理解析研究所講究録
Soft-margin SVMs in the HDLSS context ↗
- 2018日本統計学会誌
日本統計学会賞受賞者特別寄稿論文:高次元統計解析: 理論と方法論の新しい展開 ↗
- 2018数理解析研究所講究録
A general framework of SVM in HDLSS settings ↗
- 2018数理解析研究所講究録
An equality test of high-dimensional covariance matrices under the SSE model ↗
- 2017京都大学 数理解析研究所講究録
高次元固有ベクトルの一致性 ↗
- 2016数学通信 / 日本数学会 編
高次元の統計学 ↗
- 2014京都大学数理解析研究所講究録
Largest Eigenvalue Estimation for High-Dimension, Low-Sample-Size Data and its Application ↗
- 2013数学
論説:高次元小標本における統計的推測 ↗
How to assess fit
如何判断这位教授是否适合你
数据库的数据告诉你「这位教授在做什么」;能不能适合你,需要你自己对照以下几点判断。
- 关键词对齐
上面的关键词云里,有没有你研究计划书中反复出现的词?1-2 个重合是起点,3+ 个说明方向接近。
- 近期项目对应
看 KAKEN 项目的时间 — 近 2 年还有活跃项目说明研究室还在跑;只看项目名也大致能判断和你的问题是否相关。
- 不要只看学校名气
方向匹配度 > 学校排名。一位方向对口、还在活跃招生的副教授,往往比一位名气大但快退休的正教授更值得考虑。
- 留意招生信号
查一下该教授的研究室官网,看 OB/OG 名录里有没有中国 / 韩国 / 东南亚学生 — 这是「是否招留学生」最直接的信号。
ℹ️ 后期会加入基于 LLM 的中文画像(例如:「这位教授的研究风格偏...,适合什么样的申请者」),目前先用数据库公开字段 + 编辑建议替代。
数据来源说明:此页所有数据均来自 NII 旗下 KAKEN(nrid.nii.ac.jp)+ CiNii Research(cir.nii.ac.jp)公开 API,非实时抓取,可能滞后数周。每条目右侧链接可回溯到原始记录。
