吉本 潤一郎

J-GLOBALへ         更新日: 17/07/24 19:58
 
アバター
研究者氏名
吉本 潤一郎
 
ヨシモト ジュンイチロウ
eメール
juniti-yis.naist.jp
所属
奈良先端科学技術大学院大学
部署
情報科学研究科
職名
准教授
学位
博士(工学)(奈良先端科学技術大学院大学)
その他の所属
沖縄科学技術大学院大学学園

研究キーワード

 
 

研究分野

 
 

経歴

 
2015年8月
 - 
現在
奈良先端科学技術大学院大学 情報科学研究科 准教授
 
2011年11月
 - 
2015年7月
沖縄科学技術大学院大学学園 神経計算ユニット グループリーダー
 
2010年4月
 - 
2011年10月
沖縄科学技術研究基盤整備機構 神経計算ユニット グループリーダー
 
2005年9月
 - 
2010年3月
沖縄科学技術研究基盤整備機構 神経計算ユニット 研究員
 
2004年4月
 - 
2005年8月
科学技術振興機構 沖縄新大学院大学先行研究事業 研究員
 

学歴

 
1998年4月
 - 
2002年9月
奈良先端科学技術大学院大学 情報科学研究科 
 
1994年4月
 - 
1998年3月
関西大学 総合情報学部 総合情報学科
 

委員歴

 
2015年4月
 - 
現在
情報処理学会  バイオ情報学研究会運営委員
 
2014年4月
 - 
現在
情報処理学会  論文誌『数理モデル化と応用』編集委員
 
2014年4月
 - 
現在
情報処理学会  IPSJ Transactions on Bioinformatics誌編集委員
 
2013年4月
 - 
現在
電子情報通信学会  和文論文誌D編集委員
 
2012年4月
 - 
現在
情報処理学会  論文誌ジャーナル/JIP 編集委員
 

論文

 
Yoshida K, Yoshimoto J, Doya K
BMC bioinformatics   18(1) 108   2017年2月   [査読有り]
Yoshida K, Shimizu Y, Yoshimoto J, Takamura M, Okada G, Okamoto Y, Yamawaki S, Doya K, PloS one, vol. 12, no. 7, pp. e0179638
12(7) e0179638   2017年   [査読有り]
Yoshida K, Shimizu Y, Yoshimoto J, Takamura M, Okada G, Okamoto Y, Yamawaki S, Doya K, PloS one, 2017, vol. 12, no. 7, pp. e0179638, 2017
Nagai T, Yoshimoto J, Kannon T, Kuroda K, Kaibuchi K
Trends in pharmacological sciences   37(10) 858-871   2016年10月   [査読有り]
Fermin AS, Yoshida T, Yoshimoto J, Ito M, Tanaka SC, Doya K
Scientific reports   6 31378   2016年8月   [査読有り]
Nagai T, Nakamuta S, Kuroda K, Nakauchi S, Nishioka T, Takano T, Zhang X, Tsuboi D, Funahashi Y, Nakano T, Yoshimoto J, Kobayashi K, Uchigashima M, Watanabe M, Miura M, Nishi A, Kobayashi K, Yamada K, Amano M, Kaibuchi K, Neuron, vol. 89, no. 3, pp. 550-565
89(3) 550-565   2016年2月   [査読有り]
Nagai T, Nakamuta S, Kuroda K, Nakauchi S, Nishioka T, Takano T, Zhang X, Tsuboi D, Funahashi Y, Nakano T, Yoshimoto J, Kobayashi K, Uchigashima M, Watanabe M, Miura M, Nishi A, Kobayashi K, Yamada K, Amano M, Kaibuchi K, Neuron, 2016, vol. 89, no...
Oba S, Nakae K, Ikegaya Y, Aki S, Yoshimoto J, Ishii S, BMC neuroscience, vol. 17, no. 1, pp. 27
17(1) 27   2016年   [査読有り]
Oba S, Nakae K, Ikegaya Y, Aki S, Yoshimoto J, Ishii S, BMC neuroscience, 2016, vol. 17, no. 1, pp. 27
Shimizu Yu, Yoshimoto Junichiro, Toki Shigeru, Takamura Masahiro, Yoshimura Shinpei, Okamoto Yasumasa, Yamawaki Shigeto, Doya Kenj
Plos One   10(5)    2015年   [査読有り]
Nakano Takashi, Otsuka Makoto, Yoshimoto Junichiro, Doya Kenj
Plos One   10(3)    2015年   [査読有り]
Nakano T, Yoshimoto J, Doya K
Frontiers in computational neuroscience   7 119   2013年   [査読有り]
Yoshimoto Junichiro, Sato Masa-Aki, Ishii Shi
Intelligent Automation and Soft Computing   17(1) 71-94   2011年   [査読有り]
Fermin A, Yoshida T, Ito M, Yoshimoto J, Doya K
Journal of motor behavior   42 371-379   2010年11月   [査読有り]
Morimura T, Uchibe E, Yoshimoto J, Peters J, Doya K
Neural computation   22(2) 342-376   2010年2月   [査読有り]
Nakano T, Doi T, Yoshimoto J, Doya K
PLoS computational biology   6 e1000670   2010年2月   [査読有り]
Otsuka Makoto, Yoshimoto Junichiro, Doya Kenj
Neural Network World   19(5) 597-610   2009年   [査読有り]
森村 哲郎, 内部 英治, 吉本 潤一郎, 銅谷 賢治
電子情報通信学会論文誌. D, 情報・システム   91(6) 1515-1527   2008年6月
一般に統計モデルや学習機械のパラメータの空間は,その出力の変化に関してユークリッドではなくリーマン空間としての性質をもち,その最急こう配方向は従来のこう配である出力の偏微分と必ずしも一致しない.この問題に対してAmariは自然こう配法を提案し,Kakadeがマルコフ決定過程の最適化手法の一つである方策こう配強化学習法に自然こう配を適用した.自然こう配方向はリーマン構造を規定するリーマン計量のもと定まるので,その選択は重要な問題となる.しかしながら,Kakadeの用いたリーマン計量行列は方策...
Hirayama Junichiro, Yoshimoto Junichiro, Ishii Shi
Neurocomputing   69(16-18) 1954-1961   2006年   [査読有り]
Hirayama J, Yoshimoto J, Ishii S
Neural networks : the official journal of the International Neural Network Society   17(10) 1391-1400   2004年12月   [査読有り]
Ishii S, Yoshida W, Yoshimoto J
Neural networks : the official journal of the International Neural Network Society   15(4/6) 665-687   2002年6月   [査読有り]
Junichiro Yoshimoto, Shin Ishii, Masa-aki Sato
   [査読有り]
In this article, we propose a new reinforcement learning (RL) method for a system having continuous state and action spaces. Our RL method has an architecture like the actor-critic model. The critic tries to approximate the Q-function, which is th...
Junichiro Yoshimoto, Shin Ishii, Masa-aki Sato
   [査読有り]
The acrobot is a two-link robot, actuated only at the joint between the two links. It is one of difficult tasks in reinforcement learning (RL) to control the acrobot because it has nonlinear dynamics and continuous state and action spaces. In this...

Misc

 
吉本 潤一郎, 伊藤 真, 銅谷 賢治
計測と制御   52(8) 749-754   2013年8月
中野 高志, 土居 智和, 吉本 潤一郎, 銅谷 賢治
情報処理学会研究報告. BIO, バイオ情報学   2007(60) 55-62   2007年6月
大脳基底核線条体はドーパミンの投射を受けており,その強度によって大脳皮質と線条体間のシナプス伝達効率が調節される.本研究では,このシナプス可塑性を実現している細胞内シグナル伝達機構を解明するために,その動力学モデルを構築し,様々な条件下における細胞の応答をシミュレーションによって予測した.また,そのモデルが持つ力学的特性の解析を行ったその結果,PKAおよびDARPP-32がドーパミンおよびカルシウム依存性シナプス可塑性において必須の分子であり,特に,CK1-Cdk5-D75経路はカルシウム...
吉本 潤一郎, 銅谷 賢治
情報処理学会研究報告. BIO, バイオ情報学   2006(64) 35-40   2006年6月
未知の細胞内分子機構に関する仮説モデルを検証する上で、計算機シミュレーションは不可欠なツールである。しかしながら、シミュレーションの挙動を規定する力学パラメータには未知のものが多いため、利用可能な実験データからこれらのパラメータを高い信頼性で自動的に同定できる手法の開発が期待されている。本報告では、このパラメータ同定問題を取り上げ、ベイズ推定法に基づく解法を提案する。提案手法によれば、実験データを最も良く再現するパラメータの推定だけではなく、従来手法ではあまり対象とされていないパラメータ推...
吉本 潤一郎, 銅谷 賢治
電子情報通信学会技術研究報告. NC, ニューロコンピューティング   106(101) 31-36   2006年6月
未知の細胞内分子機構に関する仮説モデルを検証する上で、計算機シミュレーションは不可欠なツールである。しかしながら、シミュレーションの挙動を規定する力学パラメータには未知のものが多いため、利用可能な実験データからこれらのパラメータを高い信頼性で自動的に同定できる手法の開発が期待されている。本報告では、このパラメータ同定問題を取り上げ、ベイズ推定法に基づく解法を提案する。提案手法によれば、実験デー夕を最も良く再現するパラメータの推定だけではなく、従来手法ではあまり対象とされていないパラメータ推...
時田 陽一, 中村 泰, 吉本 潤一郎, 石井 信
電子情報通信学会技術研究報告. NC, ニューロコンピューティング   105(659) 19-24   2006年3月
強化学習(RL)法は制御対象に関する知識を持たずとも制御則を自動的に獲得できるという利点があるため,近年,cart-poleのバランス制御問題などの自動制御問題に広く適用されている.しかしながら,多くの実問題は非線形で高自由度なダイナミクスを有するため,「次元の呪い」と呼ばれる問題が発生する.この問題のために,強化学習法による制御則の獲得はしばしば困難になる.我々の先行研究では,制御理論とシステム同定を利用した強化学習法を提案し,acrobotの自動制御課題に適用した.しかし,シミュレータ...