著書・論文・記事など

シェアする

●著書

  1. 金子 弘昌, 化学のための Pythonによるデータ解析・機械学習入門, オーム社, 2019年10月23日 内容

●論文

  1. Naoto Shimizu, Hiromasa Kaneko, Direct Inverse Analysis Based on Gaussian Mixture Regression for Multiple Objective Variables in Material Design, Materials & Design, 196, 109168, 2020. 内容 論文URL
  2. Fumika Nitta, Hiromasa Kaneko, Two‐ and Three‐Dimensional Quantitative Structure‐Activity Relationship Models Based on Conformer Structures, Molecular Informatics, accepted. 内容 論文URL
  3. Yasuhiro Kanno, Hiromasa Kaneko, Ensemble Just-in-time Model Based on Gaussian Process Dynamical Models for Nonlinear and Dynamic Processes, Chemometrics and Intelligent Laboratory Systems, 203, 104061, 2020. 内容 論文URL
  4. Kazukuni Tahara, Yuki Kubo, Shingo Hashimoto, Toru Ishikawa, Hiromasa Kaneko, Anton Brown, Brandon Hirsch, Steven De Feyter, Yoshito Tobe, Porous Self-Assembled Molecular Networks as Templates for Chiral Position-Controlled Chemical Functionalization of Graphitic Surfaces, Journal of the American Chemical Society,142(16), 7699-7708, 2020. 論文URL
  5. 佐藤 圭悟, 金子 弘昌, モデルの適用範囲の考慮したアンサンブル学習法の開発, Journal of Computer Chemistry, Japan, 18(4), 187-193, 2019. 内容 論文URL
  6. 高野 森乃介, 金子 弘昌, 高屈折率および高ガラス転移温度をもつ高分子材料のモノマー設計, Journal of Computer Chemistry, Japan, 18(2), 115-121, 2019. 内容 論文URL
  7. Hiromasa Kaneko, Estimation of Predictive Performance for Test Data in Applicability Domains Using y-randomization, Journal of Chemometrics, 33(9), e3171, 2019. 内容 論文URL
  8. Yasuhiro Kanno, Hiromasa Kaneko, Improvement of Predictive Accuracy in Semi-Supervised Regression Analysis by Selecting Unlabeled Chemical Structures, Chemometrics and Intelligent Laboratory Systems, 191, 82-87, 2019. 内容 論文URL
  9. Hiromasa Kaneko, Beware of r2 even for Test Datasets: Using the Latest Measured y-values (r2LM) in Time Series Data Analysis, Journal of Chemometrics, 33(2), e3093, 2019. 内容 論文URL
  10. Hiromasa Kaneko, Data Visualization, Regression, Applicability Domains and Inverse Analysis Based on Generative Topographic Mapping, Molecular Informatics, 38(3), 1800088, 2019. 内容 論文URL
  11. Hiromasa Kaneko, Sparse Generative Topographic Mapping for Both Data Visualization and Clustering, Journal of Chemical Information and Modeling, 58(12), 2528-2535, 2018. 内容 論文URL
  12. Hiromasa Kaneko, Illustration of Merits of Semi-supervised Learning in Regression Analysis, Chemometrics and Intelligent Laboratory Systems, 182, 47-56, 2018. 内容 論文URL
  13. Hiromasa Kaneko, Automatic Outlier Sample Detection Based on Regression Analysis and Repeated Ensemble Learning, Chemometrics and Intelligent Laboratory Systems, 177, 74-82, 2018. 内容 論文URL
  14. Hiromasa Kaneko, K-Nearest Neighbor Normalized Error for Visualization and Reconstruction – A New Measure for Data Visualization Performance, Chemometrics and Intelligent Laboratory Systems, 176, 22-33, 2018. 内容 論文URL
  15. Hiromasa Kaneko, Discussion on Regression Methods Based on Ensemble Learning and Applicability Domains of Linear Sub-Models, Journal of Chemical Information and Modeling, 58(2), 480–489, 2018. 内容 論文URL
  16. Hiromasa Kaneko, A New Measure of Regression Model Accuracy that Considers Applicability Domains, Chemometrics and Intelligent Laboratory Systems, 171, 1-8, 2017. 内容 論文URL

* 金子が明治大学に異動する前の研究成果 (査読付き論文 68 報など) について興味のある方は別途ご連絡ください。

●記事・連載・特集など

  1. 金子弘昌,「常に考え続けたり、現場の声を聞くようにしよう」, Meiji.net, 2020年9月3日
  2. 金子弘昌,「人工知能を作ることから始まる現代のものづくり」, Meiji.net, 2020年8月26日
  3. 金子弘昌,「プログラミング未経験者のためのデータ解析・機械学習」, 化学工学(化学工学会の会誌), 2019年8月(Vol.83 No.8) から 2020年6月(Vol.84 No.6) まで全 12 回連載
  4. 金子弘昌, 「計測できないパラメータを人工知能で計算する『ソフトセンサー技術』に迫る」, minsaku みんなの試作広場, 2018年7月2日

シェアする

フォローする