湯川 正裕 (ユカワ マサヒロ)

Yukawa, Masahiro

写真a

所属(所属キャンパス)

理工学部 電気情報工学科 (矢上)

職名

教授

HP

プロフィール 【 表示 / 非表示

  • 数理的基盤に立脚した新しい信号処理パラダイムの構築を目指しています. 数理科学で蓄積された知見を活用することで,信号処理の諸問題を見通し良く解決することが目的です. 主に,不動点近似・凸解析を利用した適応信号処理アルゴリズム等の研究を行なっています. 新しい時代を切り拓く信号処理技術に繋げたいと考えます.

経歴 【 表示 / 非表示

  • 2005年04月
    -
    2006年09月

    東京工業大学, 日本学術振興会特別研究員 DC2

  • 2006年10月
    -
    2007年03月

    東京工業大学(英国国立ヨーク大学に留学), 日本学術振興会特別研究員 PD

  • 2007年04月
    -
    2010年03月

    (独)理化学研究所, 基礎科学特別研究員

  • 2010年04月
    -
    2013年03月

    新潟大学, 准教授

学歴 【 表示 / 非表示

  • 1998年04月
    -
    2002年03月

    東京工業大学, 工学部, 電気電子工学科

    大学, 卒業

  • 2002年04月
    -
    2004年03月

    東京工業大学, 理工学研究科, 集積システム専攻

    大学院, 修了, 修士

  • 2004年04月
    -
    2006年09月

    東京工業大学, 理工学研究科, 集積システム専攻

    大学院, 修了, 博士

学位 【 表示 / 非表示

  • 博士(工学), 東京工業大学, 課程, 2006年09月

    A study of efficient adaptive filtering algorithms and their applications to acoustic and communication systems

 

論文 【 表示 / 非表示

  • Relaxed zero-forcing beamformer under temporally-correlated interference

    Kono T., Yukawa M., Piotrowski T.

    Signal Processing (Signal Processing)  190 2022年01月

    ISSN  01651684

     概要を見る

    The relaxed zero-forcing (RZF) beamformer is a quadratically-and-linearly constrained minimum variance beamformer. The central question addressed in this paper is whether RZF performs better than the widely-used minimum variance distortionless response and zero-forcing beamformers under temporally-correlated interference. First, RZF is rederived by imposing an ellipsoidal constraint that bounds the amount of interference leakage for mitigating the intrinsic gap between the output variance and the mean squared error (MSE) which stems from the temporal correlations. Second, an analysis of RZF is presented for the single-interference case, showing how the MSE is affected by the spatio-temporal correlations between the desired and interfering sources as well as by the signal and noise powers. Third, numerical studies are presented for the multiple-interference case, showing the remarkable advantages of RZF in its basic performance as well as in its application to brain activity reconstruction from EEG data. The analytical and experimental results clarify that the RZF beamformer gives near-optimal performance in some situations.

  • Distributed Sparse Optimization with Minimax Concave Regularization

    Komuro K., Yukawa M., Cavalcante R.L.G.

    IEEE Workshop on Statistical Signal Processing Proceedings (IEEE Workshop on Statistical Signal Processing Proceedings)  2021-July   31 - 35 2021年07月

    ISSN  9781728157672

     概要を見る

    We study the use of weakly-convex minmax concave (MC) regularizes in distributed sparse optimization. The global cost function is the squared error penalized by the MC regularizer. While it is convex as long as the whole system is overdetermined and the regularization parameter is sufficiently small, the local cost of each node is usually nonconvex as the system from local measurements are underdetermined in practical applications. The Moreau decomposition is applied to the MC regularizer so that the total cost takes the form of a smooth function plus the rescaled ℓ1 norm. We propose two solvers: the first applies the proximal gradient exact first-order algorithm (PG-EXTRA) directly to our cost, while the second is based on convex relaxation of the local costs to ensure convergence. Numerical examples show that the proposed approaches attain significant gains compared to the ℓ1 -based PG-EXTRA.

  • Kernel weights for equalizing kernel-wise convergence rates of multikernel adaptive filtering

    Jeong K., Yukawa M.

    IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences (IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences)  1 ( 6 ) 927 - 939 2021年06月

    ISSN  09168508

     概要を見る

    Multikernel adaptive filtering is an attractive nonlinear approach to online estimation/tracking tasks. Despite its potential advantages over its single-kernel counterpart, a use of inappropriately weighted kernels may result in a negligible performance gain. In this paper, we propose an efficient recursive kernel weighting technique for multikernel adaptive filtering to activate all the kernels. The proposed weights equalize the convergence rates of all the corresponding partial coefficient errors. The proposed weights are implemented via a certain metric design based on the weighting matrix. Numerical examples show, for synthetic and multiple real datasets, that the proposed technique exhibits a better performance than the manually-tuned kernel weights, and that it significantly outperforms the online multiple kernel regression algorithm.

  • Outlier-robust kernel hierarchical-optimization RLS on a budget with affine constraints

    Slavakis K., Yukawa M.

    ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings (ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings)  2021-June   5335 - 5339 2021年

    ISSN  15206149

     概要を見る

    This paper introduces a non-parametric learning framework to combat outliers in online, multi-output, and nonlinear regression tasks. A hierarchical-optimization problem underpins the learning task: Search in a reproducing kernel Hilbert space (RKHS) for a function that minimizes a sample average ℓp-norm (1 ≤ p ≤ 2) error loss defined on data contaminated by noise and outliers, under affine constraints defined as the set of minimizers of a quadratic loss on a finite number of faithful data devoid of noise and outliers (side information). To surmount the computational obstacles inflicted by the choice of loss and the potentially infinite dimensional RKHS, approximations of the ℓp-norm loss, as well as a novel twist of the criterion of approximate linear dependency are devised to keep the computational-complexity footprint of the proposed algorithm bounded over time. Numerical tests on datasets showcase the robust behavior of the advocated framework against different types of outliers, under a low computational load, while satisfying at the same time the affine constraints, in contrast to the state-of-the-art methods which are constraint agnostic.

  • Joint Learning of Model Parameters and Coefficients for Online Nonlinear Estimation

    Takizawa M.A., Yukawa M.

    IEEE Access (IEEE Access)  9   24026 - 24040 2021年

     概要を見る

    We propose a novel online algorithm for efficient nonlinear estimation. Target nonlinear functions are approximated with 'unfixed' Gaussians of which the parameters are regarded as (a part of) variables. The Gaussian parameters (scales and centers), as well as the coefficients, are updated to suppress the instantaneous squared errors regularized by the ℓ1 norm of the coefficients to enhance the model efficiency. Another point for enhancing the model efficiency is the multiscale screening method, which is a hierarchical dictionary growing scheme to initialize Gaussian scales with multiple choices. To reduce the computational complexity, a certain selection strategy is presented for growing the dictionary and updating the Gaussian parameters. Computer experiments show that the proposed algorithm enjoys high adaptation-capability and produces efficient estimates.

全件表示 >>

KOARA(リポジトリ)収録論文等 【 表示 / 非表示

総説・解説等 【 表示 / 非表示

  • 非線形適応信号処理技術の新潮流:再生核の応用

    湯川 正裕

    電子情報通信学会誌 (電子情報通信学会)  97 ( 10 ) 876 - 882 2014年10月

    記事・総説・解説・論説等(学術雑誌), 単著

研究発表 【 表示 / 非表示

  • Online Learning in L2 Space with Multiple Gaussian Kernels

    Motoya Ohnishi

    European Signal Processing Conference, 

    2017年08月

  • Distributed Nonlinear Regression Using In-Network Processing With Multiple Gaussian Kernels

    Ban-Sok Shin

    IEEE International Workshop on Signal Processing Advances in Wireless Communications, 

    2017年07月

  • Automatic shrinkage tuning based on a system-mismatch estimate for sparsity-aware adaptive filtering

    Masao Yamagishi, Yukawa Masahiro, and Isao Yamada

    International Conference on Acoustic, Speech and Signal Processing, 

    2017年03月

    口頭発表(一般)

  • Projection-based dual averaging for stochastic sparse optimization

    Asahi Ushio and Masahiro Yukawa

    International Conference on Acoustic, Speech and Signal Processing, 

    2017年03月

    口頭発表(一般)

  • Complex NMF with the generalized Kullback-Leibler divergence

    Hirokazu Kameoka, Hideaki Kagami, and Masahiro Yukawa

    International Conference on Acoustic, Speech and Signal Processing, 

    2017年03月

    口頭発表(一般)

全件表示 >>

競争的研究費の研究課題 【 表示 / 非表示

  • 不完全性を持つ非線形多重スケールデータのためのオンライン解析法の開発と実応用

    2018年04月
    -
    2022年03月

    文部科学省・日本学術振興会, 科学研究費助成事業, 湯川 正裕, 基盤研究(B), 補助金,  研究代表者

  • 再生核適応フィルタの解析と高性能アルゴリズム開発

    2015年04月
    -
    2019年03月

    文部科学省・日本学術振興会, 科学研究費助成事業, 湯川 正裕, 基盤研究(C), 補助金,  研究代表者

受賞 【 表示 / 非表示

  • 日本学術振興会賞

    湯川正裕, 2022年02月, 日本学術振興会

    受賞区分: その他

  • 平成26年度科学技術分野の文部科学大臣表彰 若手科学者賞

    湯川正裕, 2014年04月, 文部科学省, 新世代情報通信システムのための適応信号処理の研究

     説明を見る

    適応信号処理アルゴリズムの収束速度、計算量、外乱へのロバスト性の間に存在するトレードオフ問題は、長年、未解決であった。また、再生核を用いた非線形手法が提案されていたが、時間変動を伴う未知系に適合した再生核を事前に設計することは困難であった。
    氏は、凸解析・不動点理論を駆使した独創的な技術を提案し、適応信号処理アルゴリズムのトレードオフ問題を解消することに成功した。さらに、再生核理論とスパース最適化の融合により、再生核設計とシステム推定を同時に自動化し、再生核と基底系の適応的精錬機能を持つ革新的な非線形適応アルゴリズムを世界に先駆けて提案した。本研究成果は、信号処理・機械学習分野で国際的に大きなインパクトを与えており、宇宙工学・脳科学・気象学など様々な隣接分野の発展に寄与するものと期待される。

  • 船井学術賞

    湯川正裕, 2016年04月, 公益財団法人船井情報科学振興財団, 新世代情報通信システムのための適応信号処理アルゴリズムの研究

    受賞区分: 出版社・新聞社・財団等の賞

  • KDDI財団賞(優秀研究賞)

    湯川正裕, 2015年03月, 公益財団法人KDDI財団, カーネル学習と超高分解能ビームフォーマ法

    受賞区分: 出版社・新聞社・財団等の賞

  • 電気通信普及財団賞テレコムシステム技術賞

    湯川正裕, 2014年03月, 公益財団法人電気通信普及財団, Multikernel Adaptive Filtering

    受賞区分: 出版社・新聞社・財団等の賞

     説明を見る

    審査員コメント:本論文は、非線形関数の適応推定問題に対する新しい学習パラダイムを提案している。非線形モデルによる適応信号処理は音響、通信、画像、医療、自然科学などの領域で有効性が期待されているが、従来の再生核を用いたカーネル適応フィルタは大域的最適性、低演算量、というメリットがあるが、その性能が再生核に強く依存するため、実応用が限られる問題があった。
    本論文では、再生核設計と関数推定の両プロセスを同時に適応的に行うことで再生核の依存問題を解決する具体的な手法を提案し、数値実験により非線形通信路の適応等化問題と3種類の時系列データの予測問題に対して本手法の有効性と利点を明らかにしており、その新規性と広範囲な応用の可能性から、テレコムシステム技術賞に値する成果であると評価される。

全件表示 >>

 

担当授業科目 【 表示 / 非表示

  • 電気情報工学輪講

    2022年度

  • 電気情報数学

    2022年度

  • 理工学基礎実験

    2022年度

  • 電気情報工学実験第2

    2022年度

  • 総合デザイン工学課題研究

    2022年度

全件表示 >>

 

所属学協会 【 表示 / 非表示

  • 米国電気電子学会

     
  • 電子情報通信学会

     

委員歴 【 表示 / 非表示

  • 2022年04月
    -
    継続中

    IEEE Transactions on Signal Processing, Senior Area Editor

  • 2015年02月
    -
    2019年01月

    IEEE Transactions on Signal Processing, Associate Editor, IEEE