福島邦彦

出典: フリー百科事典『ウィキペディア(Wikipedia)』
ナビゲーションに移動 検索に移動
福島 邦彦
生誕 (1936-03-16) 1936年3月16日(85歳)
大日本帝国の旗 大日本帝国 台湾
国籍 日本の旗 日本
研究分野 計算機科学
研究機関 ファジィシステム研究所
出身校 京都大学
主な業績 ニューラルネットワーク
深層学習
プロジェクト:人物伝
テンプレートを表示

福島 邦彦(ふくしま くにひこ、1936年3月16日 - )は、日本計算機科学者であり、ニューラルネットワーク深層学習の研究で有名である。現在、ファジィシステム研究所(福岡県飯塚市)の特別研究員[1]である。

来歴[編集]

1958 年、福島は京都大学工学部電子工学科卒業。電子工学の学士号を取得した。NHK放送科学基礎研究所 主任研究員、NHK放送技術研究所 主任研究員を経て1989年大阪大学基礎工学部教授。1999年、電気通信大学電気通信学部教授。2001年東京工科大学教授。2006年から2010年まで関西大学客員教授[1][2]。2006年から 一般財団法人ファジィシステム研究所特別研究員をつとめている。

日本神経回路学会(JNNS)初代会長・名誉会員、電子情報通信学会フェロー。 国際ニューラル ネットワーク協会 (International Neural Network Society(INNS)) の理事会の創設メンバーであり、アジア太平洋ニューラル ネットワーク アセンブリ (APNNA) の会長も務めた[1]

2021年にバウアー賞[3]C&C賞を受賞した。 IEICE業績賞、優秀論文賞、IEEEニューラルネットワークスパイオニア賞、APNNA優秀論文賞、JNNS優秀論文賞、INNSヘルムホルツ賞も受賞している[1]

業績[編集]

1980 年、深層畳み込みニューラル ネットワーク(CNN)アーキテクチャの原型であるネオコグニトロンを発表した[4] [5]。深層ネオコグニトロンのパラメータを学習して、入力データの内部表現を学習させるため、いくつかの教師あり学習アルゴリズムと教師なし学習アルゴリズムを提案した [6]。現在の畳み込みニューラルネットワークアーキテクチャでは、通常、バックプロパゲーションを通じて学習する。このアプローチは現在、コンピュータビジョンで頻繁に使用されている [7]

主な著書[編集]

  • 『視聴覚情報処理(基礎情報工学シリーズ19)』 (共著)、森北出版、2001年、ISBN 9784627806917
  • 『神経回路と情報処理』 、朝倉書店、1989年、ISBN 9784254120639
  • 『神経回路と自己組織化 --- 自己組織化のモデル --- (情報科学講座 E・18・1)』 、共立出版、1979年、ISBN 9784320020382
  • 『視覚の生理とバイオニクス』 、電子通信学会、1976年

脚注[編集]

  1. ^ a b c d CIS Oral History Project (Don Wunsch) (2015年). “Interview with Kunihiko Fukushima” (英語). IEEE TV. 2019年2月27日閲覧。
  2. ^ CIS Oral History Project (Don Wunsch) (2015). "Interview with Kunihiko Fukushima". IEEE TV. Retrieved 2019-02-27.
  3. ^ Kunihiko Fukushima” (英語). The Franklin Institute (2020年1月25日). 2020年1月27日閲覧。
  4. ^ Fukushima, Neocognitron (1980). “A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position”. Biological Cybernetics 36 (4): 193–202. doi:10.1007/bf00344251. PMID 7370364. 
  5. ^ Fukushima, K. (2007). “Neocognitron”. Scholarpedia 2 (1): 1717. Bibcode2007SchpJ...2.1717F. doi:10.4249/scholarpedia.1717. 
  6. ^ Fukushima (2018年). “Video: Artificial Vision by Deep CNN Neocognitron” (英語). Youtube. 2019年3月25日閲覧。
  7. ^ LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). “Deep learning”. Nature 521 (7553): 436–444. Bibcode2015Natur.521..436L. doi:10.1038/nature14539. PMID 26017442. 

外部リンク[編集]