学会発表

2020.08.22

●学会発表

  1. 高岡翔, Zhang Zhenzhong, 山田陽一, 金子弘昌, 機械学習による高分子ニッケル触媒を用いた鈴木・宮浦型クロスカップリング反応の収率予測モデルの構築および新規高分子ニッケル触媒の提案, YB130, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月11日
  2. 石川愛理, 金子弘昌, 機械学習およびベイズ最適化を用いたエチルベンゼン製造プロセスの省エネルギー設計, YB158, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月11日
  3. 和久津優太, 金子弘昌, 分子の匂い予測における嗅覚受容体からの情報の利用の検討, YA189, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月11日
  4. 高見優太, 宮川敬太, 津田祐樹, 秋山浩一, 金子弘昌, 光熱モニタ法によって測定された中赤外スペクトルから血糖値を推定する機械学習モデルの構築, L113, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月11日
  5. 大熊彩水, 山内芳仁, 山田信仁, 大山敏, 金子弘昌, プロセスの動特性および類似した二つの品質を考慮したソフトセンサーモデルの開発, L115, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月11日
  6. 酒井優太, 金子弘昌, 機械学習による足場を用いた農薬活性予測モデルの構築および予測根拠の可視化, YA206, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月12日
  7. 草野奈央, 金子弘昌, 清山史朗, 塩盛弘一郎, 吉田昌弘, 武井孝行, エマルションの安定性向上におけるベイズ最適化の利用, YA214, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月12日
  8. 落合晴希, 金子弘昌, 機械学習による生分解性試験の代替となる生分解性予測モデルの構築, YA232, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月12日
  9. 中西大和, 松澤伸行, 前嶋宏行, 安藤達人, 金子弘昌, 再配向エネルギーを予測する機械学習モデルの精度向上に関する研究, YA223, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月12日
  10. 小坂井颯麻, 金子弘昌, 分子構造の安定性を判別する化学空間上の領域の定義, YA285, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月12日
  11. 松原正佳, 佐々木諒, 高原潤, 森竹慎治, 原田靖之, 金子弘昌, 遺伝的アルゴリズムを用いた炭素材製造プロセスにおける物性予測モデルの最適化, L213, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月12日
  12. 安藤瑠海, 青木健太郎, 長尾祐樹, 金子弘昌, アルキルスルホン化ポリイミドのモノマー構造から物性を予測する機械学習モデルの構築, YB245, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月12日
  13. 紫野優人, 金子弘昌, オートエンコーダを用いた物性・活性予測モデルの直接的逆解析による分子設計, L219, 化学工学会第55回秋季大会, 北海道大学 札幌キャンパス, 2024年9月12日
  14. Sho Takaoka, Zhenzhong Zhang, Yoichi M. A. Yamada, Hiromasa Kaneko, Design of Polymeric Ni Catalysts and Experimental Conditions in Suzuki-Miyaura Type Cross-Coupling Reactions by Machine Learning, 3303, 11th Asian Symposium on Process Systems Engineering (PSE ASIA 2024), Penang, Malaysia, August 6, 2024.
  15. Masayoshi Matsubara, Ryo Sasaki, Jun P. Takahara, Shinji Moritake, Yasuyuki Harada, Hiromasa Kaneko, Optimization of dynamic manufacturing process for carbon materials using a genetic algorithm, 9829, 11th Asian Symposium on Process Systems Engineering (PSE ASIA 2024), Penang, Malaysia, August 6, 2024.
  16. Yuta Sakai, Hiromasa Kaneko, Prediction of pesticide activity using molecular scaffolds by machine learning and proposal of new scaffolds, 4153, 11th Asian Symposium on Process Systems Engineering (PSE ASIA 2024), Penang, Malaysia, August 7, 2024.
  17. Yuta Wakutsu, Hiromasa Kaneko, Analysis of the relationship between molecules and odors using information from olfactory receptors, 5153, 11th Asian Symposium on Process Systems Engineering (PSE ASIA 2024), Penang, Malaysia, August 7, 2024.
  18. Haruki Ochiai, Hiromasa Kaneko, Construction of predictive model for biodegradability of materials over time, 4572, 11th Asian Symposium on Process Systems Engineering (PSE ASIA 2024), Penang, Malaysia, August 7, 2024.
  19. Yamato Nakanishia, Nobuyuki N. Matsuzawa, Hiroyuki Maeshima, Tatsuhito Ando, Hiromasa Kaneko, Prediction of Reorganization Energy from Chemical Structures Using Graph Convolutional Neural Networks, 7433, 11th Asian Symposium on Process Systems Engineering (PSE ASIA 2024), Penang, Malaysia, August 7, 2024.
  20. Ruka Ando, Hiromasa Kaneko, Prediction of acetylcholinesterase inhibitory activity and affinity with UDP-glucuronyltransferase, and development of models for design of new acetylcholinesterase inhibitors, 5879, 11th Asian Symposium on Process Systems Engineering (PSE ASIA 2024), Penang, Malaysia, August 7, 2024.
  21. 落合晴希, 小森学, 中澤宝, 金子弘昌, 中耳炎患者の術式を予測する機械学習モデルの構築, G-42, 第6回日本メディカルAI学会学術集会, 名古屋市公会堂（岡谷鋼機名古屋公会堂）, 2024年6月22日
  22. 丸田悠斗, 草田康平, Seo Okkyun, 坂田修身, 河口彰吾, 久保田佳基, 金子弘昌, 鳥山誉亮, 山本知一, 村上恭和, 北川宏, 機械学習を用いた多元素合金ナノ粒子における高活性水素発生反応触媒の探索, A1442-4pm-01, 日本化学会 第104春季年会, 日本大学理工学部　船橋キャンパス, 2024年3月21日
  23. 石川愛理, 金子弘昌, 機械学習およびベイズ最適化を用いたエチルベンゼン製造プロセスの設計, H937-4am-01, 日本化学会 第104春季年会, 日本大学理工学部　船橋キャンパス, 2024年3月21日
  24. 高見優太, 宮川敬太, 津田祐樹, 秋山浩一, 安藤瑠海, 金子弘昌, 中赤外光を用いた非侵襲的血糖値モニタにおける推定モデルの構築および推定精度向上の検討, H937-4am-02, 日本化学会 第104春季年会, 日本大学理工学部　船橋キャンパス, 2024年3月21日
  25. 紫野優人, 金子弘昌, 物性・活性予測モデルの直接的逆解析による分子設計における精度向上の検討, H937-4am-03, 日本化学会 第104春季年会, 日本大学理工学部　船橋キャンパス, 2024年3月21日
  26. 小坂井颯麻, 金子弘昌, 分子構造の安定性を考慮したモデルの適用範囲の開発, H937-4am-04, 日本化学会 第104春季年会, 日本大学理工学部　船橋キャンパス, 2024年3月21日
  27. 大熊彩水, 山内芳仁, 山田信仁, 大山敏, 金子弘昌, ポリビニルアルコール製造プラントにおける曇点予測モデルの開発, H937-4am-05, 日本化学会 第104春季年会, 日本大学理工学部　船橋キャンパス, 2024年3月21日
  28. 林文隆, 原田隆希, 金子弘昌, 山田哲也, 手嶋勝弥, 選択フッ化物イオン吸着を指向した層状複水酸化物結晶のデータ駆動型探索, A1444-2am-08, 日本化学会 第104春季年会, 日本大学理工学部　船橋キャンパス, 2024年3月19日
  29. 川越琳太, 寺内一利, 浜田史也, 山地俊則, 金子弘昌, 機械学習によるポリマー特性のリアルタイムモニタリングおよびポリマー重合プロセスの設計, PB211, 化学工学会第89年会, 大阪公立大学 中百舌鳥キャンパス, 2024年3月18日
  30. 白木優也, 川浪悠子, 新明健一, 金子 弘昌, エポキシ樹脂の誘電率を予測する機械学習モデルの構築と低誘電率を実現するモノマー構造の提案, PB214, 化学工学会第89年会, 大阪公立大学 中百舌鳥キャンパス, 2024年3月18日
  31. M. Aizawa, S. Horikawa, T. Yokota, R. Shiratsuchi, K. Suzuki, K. Motojima, H. Kaneko, Construction of Estimation Model of Bone Formation for Porous Hydroxyapatite Ceramics by Machine Learning, International Symposium for Inorganic Phosphate Materials (ISIPM2023), Venice, Italy, November 22, 2023.
  32. 堀川祥汰, 鈴木来, 本島康平, 中野和明, 長屋昌樹, 長嶋比呂志, 金子弘昌, 相澤守, 機械学習により設計した多孔質リン酸カルシウムセラミックスの材料特性とその生体硬組織反応の検証, 無機マテリアル学会 第147回 学術講演会, 2023年11月9日
  33. Yuya Shiraki, Yuko Kawanami, Kenichi Shinmei, Hiromasa Kaneko, Construction of Dielectric Constant Prediction Models and Design of Monomers for Polymer Materials Using Machine Learning, 2nd International Conference on Polymer Science and Engineering, San Francisco, U.S.A., November 1, 2023.
  34. Rinta Kawagoe, Kazutoshi Terauchi, Fumiya Hamada, Toshinori Yamaji, Hiromasa Kaneko, Online Sensing of Polymer Properties and Process Design with Machine Learning, 2nd International Conference on Polymer Science and Engineering, San Francisco, U.S.A., November 1, 2023.
  35. 松本幸太郎, 中河陽太, 新井宏昌, 加藤洋, 吉塚淳平, 金子弘昌, 機械学習に基づく処理原油成分情報のリアルタイム予測モデルの開発（その３）, 第53回石油・石油化学討論会, 2023年10月27日
  36. 中河陽太, 松本幸太郎, 新井宏昌, 加藤洋, 吉塚淳平, 金子弘昌, 機械学習に基づく処理原油成分情報のリアルタイム予測モデルの開発（その２）, 第53回石油・石油化学討論会, 2023年10月27日
  37. Yuta Sakai, Shota Horikawa, Kitaru Suzuki, Mamoru Aizawa, Hiromasa Kaneko, Prediction of bone formation rate of artificial bone by machine learning considering variation of experimental results, Bioceramics 33, Solothurn, Switzerland, October 18, 2023.
  38. 原田隆希, 林文隆, 山田哲也, 金子弘昌, 手嶋勝弥, ベイズ最適化によるフッ化物イオン吸着層状複水酸化物結晶の合成, 2O06, 表面技術協会 関東支部 第102回若手講演会, 琉球大学, 2023年9月20日
  39. S. Horikawa, K. Suzuki, K. Motojima, K. Nakano, M. Nagaya, H. Nagashima, H. Kaneko, M. Aizawa, Construction of a model estimating bone-forming ability of bioceramics utilizing machine learning and its validation by in vivo experiments, Biomaterials International 2023, Hokkaido, July 31, 2023.
  40. Ayano Yamamoto, Shota Horikawa, Kitaru Suzuki, Mamoru Aizawa, Hiromasa Kaneko, Predictive machine learning model constructure for bone formation rate using scanning electron microscope images, ISIEM2023, Montpellier, France, June 21, 2023
  41. Shota Horikawa, Kitaru Suzuki, Kohei Motojima, Hiromasa Kaneko, Mamoru Aizawa, Construction of a Model Estimating Bone-Forming Ability of Bioceramics Utilizing Machine Learning and Its Inverse Analysis to Verify Material Properties, ISIEM2023, Montpellier, France, June 21, 2023
  42. 原田隆希, 林文隆, 山田哲也, 金子大悟, 金子弘昌, 手嶋勝弥, 層状複水酸化物結晶によるイオン交換時のデータ駆動的重要因子理解と実験提案, 日本結晶成長学会 新技術・新材料分科会 第 2 回研究会, 信州大学, 2023年3月3日
  43. Shunsuke Yuyama, Hiromasa Kaneko, Machine Learning and Process Design Optimization Approaches for Exploration of Gas Membrane Separation Materials, International Congress on Pure & Applied Chemistry KotaKinabalu 2022 (ICPAC KK 2022), Kota Kinabalu, Malaysia, November 25, 2022
  44. Yuki Nakayama, Tatsuya Hirano, Hiromasa Kaneko, Prediction of Herbicide Activity with Descriptors on Local Properties of 3D Chemical Structures, International Congress on Pure & Applied Chemistry KotaKinabalu 2022 (ICPAC KK 2022), Kota Kinabalu, Malaysia, November 25, 2022
  45. Jumpei Yoshizuka, Daiki Nakamura, Hiromasa Kaneko, Fault Detection and Diagnosis for Thermometers with Machine Learning in Metal Production Process, International Congress on Pure & Applied Chemistry KotaKinabalu 2022 (ICPAC KK 2022), Kota Kinabalu, Malaysia, November 25, 2022
  46. Daigo Kaneko, Risa Iwatsubo, Hajime Wagata, Hiromasa Kaneko, Efficient Design of Experiments for LafeO3 Crystallites Via Bayesian Optimization, International Congress on Pure & Applied Chemistry KotaKinabalu 2022 (ICPAC KK 2022), Kota Kinabalu, Malaysia, November 25, 2022
  47. Kohei Motojima, Abhijit Sen, Raghu N. Dhital, Yoichi M. A. Yamad, Hiromasa Kaneko, Optimization of Experimental Conditions with Machine Learning for Organic Synthetic Reactions Using Transition-Metal Catalyst, International Congress on Pure & Applied Chemistry KotaKinabalu 2022 (ICPAC KK 2022), Kota Kinabalu, Malaysia, November 25, 2022
  48. Mitsuki Ikeda, Hiromasa Kaneko, Odor Threshold Prediction Using Machine Learning, International Congress on Pure & Applied Chemistry KotaKinabalu 2022 (ICPAC KK 2022), Kota Kinabalu, Malaysia, November 25, 2022
  49. 吉塚淳平, 谷脇寛明, 橋本益美, 松本幸太郎, 加藤洋, 金子弘昌, 機械学習に基づく処理原油成分情報のリアルタイム予測モデルの開発（その１）, 第52回石油・石油化学討論会, 2022年10月28日
  50. 湯山春介, 金子弘昌, 機械学習を用いた気体分離プロセスと分離膜材料の同時設計, 化学工学会第53回秋季大会, 2022年9月16日
  51. 中山祐生, 白木優也, 名取慧, 小野裕己, 須田和哉, 金子弘昌, フィルム製造プロセスにおけるソフトセンサー検討, 化学工学会第53回秋季大会, 2022年9月16日
  52. 森下敏治, 金子弘昌, 化合物のベイズ最適化における初期サンプル選択に関する議論, 化学工学会第53回秋季大会, 2022年9月16日
  53. 山本彩乃, 堀川祥汰, 鈴木 来, 相澤 守, 金子弘昌, 画像処理および機械学習におけるバイオマテリアルの高精度骨形成率予測のための特性設計, 日本セラミックス協会 第35回秋季シンポジウム, 2022年9月14日
  54. 山本統久, 安藤達人, 清水直斗, 松澤伸行, 前嶋宏行, 金子弘昌, DFT計算と機械学習による低再配向エネルギー分子の設計, 日本化学会 第102春季年会, 2022年3月26日
  55. 谷脇寛明, 金子弘昌, 高分子化合物の重合反応を対象とした逆合成予測モデルの構築, 日本化学会 第102春季年会, 2022年3月26日
  56. Yuki Nakayama, Hiromasa Kaneko, Design of a Dimethyl Ether production process using process simulation and machine learning, Pacifichem 2021, December 12, 2021
  57. Daigo Kaneko, Hiromasa Kaneko, Fumitaka Hayashi, Tetsuya Yamada, Katsuya Teshima, Process-informatics approach to design　experimental conditions for the development of crystalline materials, Pacifichem 2021, December 12, 2021
  58. Hiroaki Taniwaki, Hiromasa Kaneko, Design of monomer molecules in consideration of dielectric constants and glass transition temperature, Pacifichem 2021, December 12, 2021
  59. Shuto Yamakage, Hiromasa Kaneko, Adaptive soft sensor selection based on Bayesian optimization, Pacifichem 2021, December 12, 2021
  60. Norihsia Yamamoto, Hiromasa Kaneko, Machine learning-based development of refrigerants with safety and high thermal conductivity, Pacifichem 2021, December 12, 2021
  61. Shunsuke Yuyama, Hiromasa Kaneko, Correlation between the metal and organic components, crystal structure, and gas-adsorption capacity of metal–organic frameworks, Pacifichem 2021, December 12, 2021
  62. Kohei Motojima, Rina Shiratsuchi, Kitaru Suzuki, Mamoru Aizawa, Hiromasa Kaneko, Prediction of properties and bone formation rate for bioceramics and design of synthesis conditions with machine learning, Pacifichem 2021, December 12, 2021
  63. Mitsuki Ikeda, Hiromasa Kaneko, Yukari Totsuka, Yuki Betsuyaku, Similarity of MS spectra for structure identification of DNA adducts, Pacifichem 2021, December 12, 2021
  64. Ryo Iwama, Koji Takizawa, Kenichi Shinmei, Eisuke Baba, Noritoshi Yagihashi, Hiromasa Kaneko, Development of metal oxides for CO2 reduction by combining experiments and machine learning, Pacifichem 2021, December 12, 2021
  65. Jumpei Yoshizuka, Hiromasa Kaneko, Takahide Oka, Junya Fuse, Yoshito Sawai, Shota Yamanaka, Growth prediction of Spinacia oleracea in plant factories and process design for growth improvement, Pacifichem 2021, December 12, 2021
  66. 金子大悟, 金子弘昌, 林文隆, 山田哲也, 手嶋勝弥, 機械学習による結晶材料設計の効率化, 第11回CSJ化学フェスタ2021, P6-105, 2021年10月20日
  67. 杉崎大将, 金子弘昌, 機械学習によるアンモニアボランの脱水素触媒の開発, 第11回CSJ化学フェスタ2021, P6-092, 2021年10月20日
  68. 湯山春介, 金子弘昌, 金属有機構造体における金属・有機化合物・結晶構造・ガス吸着量の相関関係のモデル化, 第11回CSJ化学フェスタ2021, P5-077, 2021年10月20日
  69. 谷脇寛明, 金子弘昌, 高分子化合物を対象とした逆合成予測モデルの構築, 第11回CSJ化学フェスタ2021, P4-085, 2021年10月20日
  70. 本島康平, 白土里奈, 鈴木来, 相澤守, 金子弘昌, 機械学習によるバイオセラミックスの設計, 第11回CSJ化学フェスタ2021, P3-071, 2021年10月19日
  71. 岩間稜, 金子弘昌, 機械学習を活用したCO2還元用金属酸化物の開発, 第11回CSJ化学フェスタ2021, P2-011, 2021年10月19日
  72. 山影柊斗, 金子弘昌, 機械学習を活用した高精度ソフトセンサーの設計, 第63回自動制御連合講演会 2D3-1, 2020年11月22日
  73. 山田信仁, 金子弘昌, 適応型ソフトセンサーと転移学習を組み合わせた複数銘柄生産プロセスの予測, 第63回自動制御連合講演会 2D3-3, 2020年11月22日
  74. 岩間稜, 金子弘昌, シミュレーションと機械学習を組み合わせたエチレンオキシド製造プロセスの多目的最適化, 第63回自動制御連合講演会 2D4-3, 2020年11月22日
  75. 山田哲也, 金子弘昌, 土井達也, 林文隆, 手嶋勝弥, データ駆動型手法を活用した環境・エネルギー材料用結晶の開発, 日本結晶成長学会 新技術・新材料分科会 第1回研究会, 東北大学, 2020年2月21日
  76. Yasuhiro Kanno, Hiromasa Kaneko, “Nonlinear Dynamic Feature Extraction Based on Gaussian Process Dynamical Models for Jit-Based Adaptive Soft Sensors”, AIChE Annual Meeting, 344d, 2019 AIChE Annual Meeting, Hyatt Regency, Orlando, U.S.A., November 12, 2019 内容
  77. Naoto Shimizu, Hiromasa Kaneko, “Constructing Interpretable and Accurate Model Combining Decision Tree and Random Forest”, AIChE Annual Meeting, 370n, 2019 AIChE Annual Meeting, Hyatt Regency, Orlando, U.S.A., November 12, 2019 内容
  78. Takumi Kojima, Hiromasa Kaneko, “New Evaluation Method of Soft Sensors Considering Characteristics of Time Series Data”, AIChE Annual Meeting, 370o, 2019 AIChE Annual Meeting, Hyatt Regency, Orlando, U.S.A., November 12, 2019 内容
  79. 江尾知也, 金子弘昌, “ドッキングシミュレーションと機械学習を組み合わせた定量的構造活性相関”, 日本化学会 第99春季年会, 甲南大学 岡本キャンパス, 2019年3月16日
  80. 清水直斗, 金子弘昌, “解釈可能性を考慮した高精度物性推定モデルの構築”, 日本化学会 第99春季年会, 甲南大学 岡本キャンパス, 2019年3月16日
  81. 山田信仁, 金子弘昌, “機械学習を用いたプロパン脱水素反応によるプロピレン製造プロセスの設計”, 化学工学会 第84年会, 芝浦工業大学 豊洲キャンパス, 2019年3月13日
  82. 菅野泰弘, 金子弘昌, “ガウシアンプロセスダイナミカルモデルに基づく非線形性とプロセス動特性を考慮した適応型ソフトセンサーの開発”, 化学工学会 第84年会, 芝浦工業大学 豊洲キャンパス, 2019年3月13日
  83. 江尾知也, 金子弘昌, “ドッキングシミュレーションを活用した定量的構造活性相関の精度の向上”, 第46回構造活性相関シンポジウム, 大阪大学銀杏会館, 2018年12月6日
  84. 山田信仁, 菅野泰弘, 小島巧, 清水直斗, “機械学習を用いたプロパン脱水素反応によるプロピレン製造プロセスの設計”, 化学工学会第50回秋季大会 第17回プロセスデザイン学生コンテスト, 鹿児島大学郡元キャンパス, 2018年9月21日
  85. 小島巧, 金子弘昌, “時系列データの特徴を考慮した新規ソフトセンサー評価手法の開発”, 化学工学会第50回秋季大会, 鹿児島大学郡元キャンパス, 2018年9月20日
  86. 小島巧, 金子弘昌, “時間軸を用いたソフトセンサーの新規評価手法の開発”, 第7回ケモインフォマティクス若手の会, 渋谷ヒカリエ, 2018年5月22日
  87. 清水直斗, 金子弘昌, “少数サンプルにおける活性予測モデルの性能評価および精度向上”, 第7回ケモインフォマティクス若手の会, 渋谷ヒカリエ, 2018年5月22日
  88. 菅野泰弘, 金子弘昌, “半教師あり学習の新規手法を提案”, 第7回ケモインフォマティクス若手の会, 渋谷ヒカリエ, 2018年5月22日
  89. 金子弘昌, “Generative Topographic Mapping(GTM)でデータの可視化・回帰分析・モデルの逆解析を一緒にやってみた”, 第7回ケモインフォマティクス若手の会, 渋谷ヒカリエ, 2018年5月22日 内容
  90. 菅野泰弘, 金子弘昌, “回帰分析における精度向上のための化学構造データ選択手法”, 日本薬学会 第138年会, TKP金沢カンファレンスセンター, 2018年3月28日 内容
  91. 清水直斗, 金子弘昌, “少数サンプルにおける活性予測モデルの性能評価および精度向上”, 日本薬学会 第138年会, TKP金沢カンファレンスセンター, 2018年3月28日 内容
  92. 金子弘昌, “装置における測定困難な対象をリアルタイムに推定する人工知能の開発、分子・材料設計への応用”, 第7回超異分野学会 本大会～人とは何か、そして人を取り巻く研究へ～, TEPIA先端技術館, 2018年3月2, 3日 内容
  93. 金子弘昌, “ビッグデータを活用した分子設計・材料設計・プロセス管理”, 2017年度 明治大学・聖マリアンナ医科大学共同研究会, 明治大学 生田キャンパス, 2017年7月15日
  94. 金子弘昌, “変数選択手法っていろいろあるけど何を使えばいいの？“, 第5回ケモインフォマティクス若手の会, 渋谷ヒカリエ, 2017年5月16日
ホーム
タイトルとURLをコピーしました