Presentations

2024

  1. 塩飽大基，山本倫生．”未観測交絡因子が存在する場合の因果効果識別のための共変量調整基準の提案”．統計数理研究所共同研究「複雑な構造をもつデータに対する多変量解析法に関する研究会」，統計数理研究所2階会議室１（D222），2024年3月15日．
  2. 嶋田直也，山本倫生．”X-learnerを用いた媒介分析手法の提案とその数理的性質”．統計数理研究所共同研究「複雑な構造をもつデータに対する多変量解析法に関する研究会」，統計数理研究所2階会議室１（D222），2024年3月15日．
  3. 山本倫生．”線形作用素に基づく関数データに対する統計的因果推論”．統計数理研究所共同研究「複雑な構造をもつデータに対する多変量解析法に関する研究会」，統計数理研究所2階会議室１（D222），2024年3月15日．
  4. 坪田有司，山本倫生．”二値アウトカムに対する非対称なリンク関数を用いた因果媒介分析”．北海道大学情報基盤センター萌芽型共同研究集会「第43回大規模データ科学に関する研究会」，北海道大学情報基盤センター（北館４階会議室），2024年3月6日．

2023

  1. 山本倫生．[invited]．”統計的因果推論の考え方と確率的介入に基づく因果効果”．京都女子大学データサイエンス研究所・第1回データサイエンス統計領域シンポジウム，京都女子大学，2023年12月16日．
  2. 嶋田直也，山本倫生．”Meta-learner を用いた不均衡データに対する媒介分析の提案”．2023 年度日本分類学会シンポジウム，長崎大学，2023年12月2日-3日．
  3. Suzuki, C., Yamamoto, N., Yamamoto, M., Kishimoto, Y., Hiraoka, S., Nakashima, R., Honda, K., Nomura, M., Kitamura, M., Muto, M., Morita, S., Omori, K. “Cisplatin-induced ototoxicity in head and neck cancer: The patterns and prediction,” European Society for Medical Oncology Congress (ESMO Congress 2023), IFEMA MADRID, Madrid, Spain, October 20-24, 2023.
  4. Shimada, N., Yamamoto, M. “Variable selection methods in factor analysis via the group L0 norm,” The 8th Japanese-German Symposium on Classification (JGSC2023), Hokkaido University, Hokkaido, Japan, September 30-October 1, 2023.
  5. Tsubota, Y., Yamamoto, M. “Causal mediation analysis for binary outcomes with the complementary log-log link,” The 8th Japanese-German Symposium on Classification (JGSC2023), Hokkaido University, Hokkaido, Japan, September 30-October 1, 2023.
  6. Yamamoto, M., Terada, Y. [invited]. “Clustering for sparsely sampled longitudinal data based on basis expansions,” 14th Scientific Meeting of the Classification and Data Analysis Group (CLADAG 2023), University of Salerno, Salerno, Italy, September 11-13, 2023.
  7. ⽥村隆，⻑⾕川広夢，⾦尾忠芳，根本理⼦，⼭本倫⽣．”機械学習(Sparse 解析)を⽤いたS. incarnatusのrpoB変異設計”．第37回（2023年度）日本放線菌学会，東広島芸術⽂化ホール くらら，2023年9月7日-8日．
  8. 山本倫生，寺田吉壱．”スパース経時測定データに対するクラスタリング法の提案とその理論的性質”．2023年度統計関連学会連合大会，京都大学，2023年9月3日-7日．
  9. 嶋田直也，山本倫生．”行列分解モデルを用いた変数選択を伴う因子分析”．日本行動計量学会第51回大会，青山学院大学，2023年8月28日-31日．
  10. Yamamoto, M., Anzai, T., Takahashi, K. [invited]. “A functional generalized additive model-based scan statistic for disease cluster detection,” 6th International Conference on Econometrics and Statistics (EcoSta 2023), Waseda University, Tokyo, Japan, August 1-3, 2023.
  11. 山本倫生．[invited]．”関数データ解析に基づく経時測定データのクラスタリング”．九州大学数理学研究院統計科学セミナー，九州大学C-502大講義室，2023年7月11日．[web page]
  12. Shimada, N., Yamamoto, M. “Factor analysis with variable selection via group L0 penalty,” Data Science, Statistics & Visualisation (DSSV) 2023, University of Antwerp, Antwerp, Belgium, July 5-7, 2023.
  13. Tsubota, Y., Yamamoto, M. “An alternative model-based approach to causal mediation analysis with ordinal outcomes,” Data Science, Statistics & Visualisation (DSSV) 2023, University of Antwerp, Antwerp, Belgium, July 5-7, 2023.
  14. 瀬戸ひろえ，木虎秀二，山本倫生．”確率予測モデルの変数に基づくキャリブレーション評価の検討”．2023年度日本分類学会大会，京都女子大学，2023年5月27日-28日．
  15. 山本倫生，寺田吉壱．”スパース経時測定データに対するクラスタリング法の漸近的性質”．2023年度日本分類学会大会，京都女子大学，2023年5月27日-28日．
  16. 嶋田直也，山本倫生．”グループL0ノルムを用いた変数選択を伴う行列分解因子分析”．2023年度日本分類学会大会，京都女子大学，2023年5月27日-28日．
  17. 山本倫生．[invited]．”確率的介入に基づく因果効果の推定”．東京医科大学セミナー，東京医科大学，2023年5月22日．
  18. 山本倫生．[invited]．”確率的介入に基づく因果効果とその推定方法”．大阪大学数理・データ科学教育研究センター (MMDS)「AI・データ利活用研究会」，オンライン，2023年5月12日．[web page]
  19. 寺田吉壱，山本倫生．”大規模・複雑なデータに対するクラスタリング法について”．統計数理研究所共同研究「複雑な構造をもつデータに対する多変量解析法に関する研究会」，統計数理研究所3階セミナー室3，2023年3月10日．
  20. 瀬戸ひろえ，木虎秀二，土岐博，大山飛鳥，山本凌平，山本倫生．”確率予測モデルにおける新たな信頼性評価手法の提案”．統計数理研究所共同研究「複雑な構造をもつデータに対する多変量解析法に関する研究会」，統計数理研究所3階セミナー室3，2023年3月10日．

2022

  1. 山本倫生．”統計的因果推論と交絡調整”．第57回人間科学セミナー，大阪大学人間科学部ラーニングコモンズ，2022年11月10日．
  2. 寺田吉壱，山本倫生．”代表点を用いた大規模クラスタリングの近似法とその性質”．科研費シンポジウム「大規模複雑データの理論と方法論～新たな発展と関連分野への応用～」，つくば国際会議場，2022年11月4日-5日．
  3. 瀬戸ひろえ，木虎秀二，山本倫生．”確率予測モデルの信頼性評価手法の提案”．2022年度日本分類学会シンポジウム，稚内市生涯学習総合支援センター，2022年10月29日-30日．
  4. 山本倫生．[invited], “Sufficient Dimension Reductionを用いた確率的介入に基づく因果効果の推定”．2022年度日本分類学会シンポジウム，稚内市生涯学習総合支援センター，2022年10月29日-30日．
  5. 寺田吉壱，山本倫生．”ベクトル量子化による大規模クラスタリングの近似法とその性質”．科研費シンポジウム「データサイエンスと周辺領域の双方向的理解への挑戦」，慶應義塾大学，2022年9月9日-10日．
  6. 山本倫生．”弱い共通サポート条件下での確率的介入に基づく因果効果の推定”．科研費シンポジウム「データサイエンスと周辺領域の双方向的理解への挑戦」，慶應義塾大学，2022年9月9日-10日．
  7. 山本倫生．”十分次元削減を用いた確率的介入に基づく因果効果の推定”．2022年度統計関連学会連合大会，成蹊大学，2022年9月4日-9月8日．
  8. 寺田吉壱，山本倫生．”ベクトル量子化による大規模クラスタリングの計算量削減法とその性質”．日本行動計量学会 第50回大会，沖縄県市町村自治会館，2022年8月28日-31日．
  9. 山本倫生．”確率的介入に基づく因果効果の十分次元削減を用いた推定方法の提案”．日本行動計量学会 第50回大会，沖縄県市町村自治会館，2022年8月28日-31日．
  10. 塩飽大基，坂本亘，山本倫生．”構造的因果モデルに基づく因果効果識別方法の検討-バックドア基準とフロントドア基準の量的評価-“．日本行動計量学会 第50回大会，沖縄県市町村自治会館，2022年8月28日-31日．
  11. Terada, Y., Yamamoto, M. [invited], “Fast Approximation for large-scale clustering,” The 11th Conference of the IASC-ARS, Doshisha University, Kyoto, Japan, February, 2022.
  12. Yamamoto, M. [invited], “Estimation of the causal effects of stochastic interventions based on sufficient dimension reduction,” The 11th Conference of the IASC-ARS, Doshisha University, Kyoto, Japan, February, 2022.

2021

  1. 山本倫生，寺田吉壱．”スパースな経時測定データにおけるクラスタ構造の推定”．日本行動計量学会 第49回大会，オンライン開催，2021年8月30日-9月2日．
  2. 岸本和久，山本倫生．”2次の重み付き一般化推定方程式を用いたデータ融合手法の提案”．日本行動計量学会 第49回大会，オンライン開催，2021年8月30日-9月2日．
  3. Zeng, Y., Shimizu, S., Cai, R., Xie, F., Yamamoto, M., Hao, Z. “Causal discovery with multi-domain LiNGAM for latent factors”.  Causal Analysis Workshop Series 2021 (CAWS2021), Virtual, 2021年7月16日.
  4. 山本倫生，寺田吉壱．”スパースな経時測定データに対する関数クラスタリング”．日本分類学会 第40回大会，聖路加国際大学，東京（ハイブリッド開催），2021年7月3日．
  5. 鈴木越治，山本倫生，山本英二．”曝露と非曝露を入れ替えた場合に関連指標が変わるか否か―反事実モデルにおける交絡との関係”．第31回日本疫学会学術総会，佐賀（オンライン開催），2021年1月27–29日．
  6. 小川沙織，山本倫生，坂本亘，金尾忠芳，根本理子，稲垣賢二，田村隆. “RNAポリメラーゼへの変異導入による核酸系抗生物質シネフンギンの増産効果”, 日本農芸化学会中四国支部第58回講演会（例会）, オンライン開催, 2021年1月23日.

2020

  1. Yamamoto, M., Terada, Y. [invited], “K-means clustering for sparsely sampled longitudinal data”, 13th International Conference of the ERCIM WG on Computational and Methodological Statistics (CMStatistics 2020), Virtual Conference, 19-21 December, 2020.
  2. 山本倫生，寺田吉壱，”スパース経時測定データに対する関数クラスタリング”，第25回 情報・統計科学シンポジウム，オンライン開催，2020年12月4日．
  3. 岸本和久，山本倫生，”非単調欠測の下での一般化推定方程式によるデータ融合手法の開発”，日本分類学会第39回大会，同志社大学，2020年11月．
  4. 岸本和久，山本倫生，”2次の重み付き一般化推定方程式を用いたデータ融合手法の提案”，2020年度統計関連学会連合大会，オンライン開催，2020年9月．
  5. 寺田吉壱，山本倫生，”クラスタリングにおける汎用的な計算コスト削減法について”，2020年度統計関連学会連合大会，オンライン開催，2020年9月．
  6. 山本倫生，寺田吉壱，”スパースな経時測定データに対するK-means法”，2020年度統計関連学会連合大会，オンライン開催，2020年9月．
  7. 山本倫生，”関数データに対する多変量解析の基礎”，大阪大学夏季集中講義「データ科学特論Ⅱ」，大阪大学，2020年8月31日．
  8. 鈴木越治，三橋利晴，山本倫生，高尾総司，頼藤貴志，山本英二，”AI、データサイエンス、因果推論：産業保健への展望”，第93回日本産業衛生学会，旭川市民文化会館・アートホテル旭川，北海道，2020年5月13–16日．

2019

  1. 山本倫生，”関数データ解析によるスパース経時測定データの解析”，第5回岡山大学AI研究会，岡山大学，2019年11月．
  2. 山本倫生，寺田吉壱，”多変量関数データに対する正準相関分析の定式化と解の存在性について”，2019年度統計関連学会連合大会，滋賀大学，2019年9月．
  3. 寺田吉壱，山本倫生，”関数データに対する部分空間クラスタリング”，2019年度統計関連学会連合大会，滋賀大学，2019年9月．
  4. 山本倫生，寺田吉壱，谷岡健資，”クラスタリング法のcheat sheet”，日本行動計量学会第47回大会，大阪大学，2019年9月．
  5. 寺田吉壱，山本倫生，”クラスタリング法の落とし穴”，日本行動計量学会第47回大会，大阪大学，2019年9月．
  6. Yamamoto, M., Terada, Y. [invited], “Functional canonical correlation analysis for multivariate stochastic processes”, The 3rd International Conference on Econometrics and Statistics (EcoSta 2019), the National Chung Hsing University (NCHU), Taichung, Taiwan, 25-27, June, 2019.
  7. Terada, Y., Yamamoto, M. [invited], “Regularized subspace clustering for functional data”, The 3rd International Conference on Econometrics and Statistics (EcoSta 2019), the National Chung Hsing University (NCHU), Taichung, Taiwan, 25-27, June, 2019.
  8. 山本倫生，”距離学習を用いた十分次元削減マッチングによる因果効果の推定”，第169回Kyoto Biostatistics Seminar (KBS)，京都大学医学部・大学院医学研究科G棟，京都大学，2019年6月．
  9. Terada, Y., Yamamoto, M. “Kernel normalized cut: a theoretical revisit”, The 36th International Conference on Machine Learning (ICML 2019), Long Beach Convention Center, California, U.S., June, 2019.
  10. 山本倫生，”Sufficient Dimension Reductionを用いた因果効果の推定”，「複雑データ解析法に関する研究会」，統計数理研究所，2019年2月．

2018

  1. 山本倫生，”因果効果の推定における十分次元削減の有効性の検討”，第161回Kyoto Biostatistics Seminar (KBS)，京都大学医学部・大学院医学研究科G棟，京都大学，2018年10月．
  2. Yamamoto, M. [invited], “A component-based approach for the clustering of multivariate categorical data”, The 2nd International Conference on Econometrics and Statistics (EcoSta 2018), The City University of Hong Kong, Hong Kong, June, 2018.
  3. Terada, Y., Yamamoto, M. [invited], “Subspace clustering for functional data”, The 2nd International Conference on Econometrics and Statistics (EcoSta 2018), The City University of Hong Kong, Hong Kong, June, 2018.
  4. 山本倫生，”多変量カテゴリカルデータに対するクラスター構造の推定とその可視化について”，「複雑多変量データの解析法に関する研究」研究会，統計数理研究所，2018年2月．

2017

  1. Yamamoto, M. [invited], “Model-based clustering for multivariate categorical data with dimension reduction”, The 10th Conference of the IASC-ARS, The University of Auckland, Auckland, New Zealand, December, 2017.
  2. Yamamoto, M. “Clustering of multivariate categorical data via penalized latent class analysis with dimension reduction”, 2017 Hangzhou International Statistical Symposium, Hangzhou, China, November, 2017.
  3. 山本倫生，”多変量カテゴリカルデータに内在する低次元クラスター構造の推定”， 行動計量学岡山地域部会第64回研究会，岡山理科大学A1号館 8階 ラボ室1，2017年10月．
  4. 山本倫生，”関数データのクラスタリングとクラスター構造の可視化について”，統計学・機械学習若手シンポジウム「大規模複雑データに対する統計・機械学習のアプローチ」，名古屋工業大学 4号館2階会議室3，2017年9月．
  5. Yamamoto, M., [invited], “Clustering of multivariate categorical data with dimension reduction via nonconvex penalized likelihood maximization”, The 2017 conference of the International Federation of Classification Societies (IFCS 2017), Tokyo, Japan, August 2017.
  6. 魚住 龍史，矢田 真城，山本 倫生，川口 淳，”SASによる傾向スコアマッチング”，SASユーザー総会2017，東京大学伊藤国際学術研究センター，2017年8月．
  7. 吉田 博徳，山本 倫生，森田 智視，阪森 優一，小笹 裕晃，永井 宏樹，関 庚三，金 永学，”アファチニブの高度暴露可能性が高い患者群（Special Population）の探索”，第15回日本臨床腫瘍学会学術集会，神戸国際会議場，2017年7月．
  8. 山本倫生，”Sufficient Dimension Reductionによる因果効果の推定”，第150回Kyoto Biostatistics Seminar (KBS)，京都大学医学部・大学院医学研究科G棟，京都大学，2017年7月．
  9. 山本倫生，”意味のあるクラスター構造”の推定方法とその性質について”，「複雑多変量データの解析法に関する研究」研究会，統計数理研究所，2017年3月．
  10. 山本倫生, 寺田吉壱，”多変量関数データに対する正準相関分析および等質性分析について”，第37回大規模データ科学に関する研究会，北海道大学情報基盤センター北館4階会議室，2017年2月．

2016

  1. Yamamoto, M., [invited], “Dimension-reduced clustering of functional data via variance-penalized optimization”, 9th International Conference of the ERCIM WG on Computational and Methodological Statistics (CMStatistics 2016), University of Seville, Seville, Spain, December, 2016.
  2. 寺田吉壱, 山本倫生, “なぜnormalized cutを用いないのか？～Ncutの漸近的性質とSpectral Clusteringとの関係～”，第19回情報論的学習理論ワークショップ（IBIS2016），京都大学，2016年11月．
  3. 山本倫生，川口淳, [invited], “低次元成分モデルに基づく予測的クラスタリング”，2016年度統計関連学会連合大会，金沢大学，2016年9月．
  4. 山本倫生，[invited], “医療ビッグデータの活用における統計家の役割”，2016年度統計関連学会連合大会，金沢大学，2016年9月．
  5. 山本倫生，[invited]，”なぜタンデムクラスター化を行ってはいけないのか？”，日本行動計量学会第44回大会，札幌学院大学，2016年8月．
  6. Yamamoto, M., Kawaguchi, A., Hwang, H., [invited], “Predictive clustering using a component-based approach”, The 22nd International Conference on Computational Statistics (COMPSTAT 2016), Oviedo, Spain, August 2016.
  7. 山本倫生，”予測に基づくクラスタリングによる認知機能障害のサブタイプ分類”，第139回Kyoto Biostatistics Seminar (KBS)，京都大学医学部・大学院医学研究科G棟，京都大学，2016年6月．
  8. 山本倫生，”予測的クラスタリングによる認知機能障害のサブタイプ分類”，「行列分解に基づく大規模複雑データ解析法に関する研究」研究会，北海道大学情報基盤センター北館4階会議室，2016年3月．
  9. 山本倫生，”低次元成分モデルに基づく予測可能なクラスター構造の推定”，「行列分解型多変量データ解析法に関する研究」研究会，統計数理研究所セミナー室2，2016年2月．

2015

  1. Yamamoto, M. and Terada, Y., [invited], “Canonical correlation analysis for multivariate functional data”, 8th International Conference of the ERCIM WG on Computational and Methodological Statistics (CMStatistics), Senate House, University of London, UK, December, 2015.
  2. 山本倫生, “多変量関数データに対する正準相関分析の定式化とその性質について”, データ科学特論 special lecture, 大阪大学, 2015年11月.
  3. Yamamoto, M., Kawaguchi, A., and Hwang, H. “Outcome-guided clustering using supervised dimension reduction approach”, 2015 International Workshop for JSCS 30th Anniversary, Okinawa Institute of Science and Technology Graduate University, Japan, October, 2015.
  4. Hirose, K. and Yamamoto, M., [invited], “An extension of factor rotation via the penalized maximum likelihood estimation”, 2015年度統計関連学会連合大会，岡山大学，2015年9月．
  5. 山本倫生，[invited]，”次元縮約とクラスタリングの同時分析法とその問題点”，日本行動計量学会第43回大会，首都大学東京，2015年9月．
  6. Yamamoto, M., “DROC: An outcome-guided clustering using a component-based approach”, 日本行動計量学会 岡山地域部会第56回研究会，岡山理科大学，2015年7月．
  7. Yamamoto, M. and Kawaguchi, A., “A component-based approach to find outcome-related clusters”, The 80th Annual meeting of the Psychometric Society (IMPS 2015), Beijing Normal University, Beijing, China, July, 2015.
  8. Yamamoto, M., [invited], “A simultaneous analysis of dimension reduction and clustering with correlated error variables”, The 2015 conference of the International Federation of Classification Societies (IFCS 2015), Bologna, Italy, July, 2015.
  9. 山本倫生，”教師ありクラスタリングによる症例のサブタイプ探索”，第129回Kyoto Biostatistics Seminar (KBS)，京都大学医学部・大学院医学研究科G棟，京都大学，2015年6月．
  10. 山本倫生，”成分分析モデルに基づく予後因子を用いたアウトカム変数に関連するクラスターの推定”，2015年度日本計量生物学会年会，芝蘭会館，京都大学，2015年3月．
  11. 山本倫生，”次元縮約を伴う教師ありクラスタリング法の提案”，第30回大規模データ科学研究会，北海道大学情報基盤センター北館4階会議室，2015年2月．
  12. 森田智視・多田春江・渡邊美恵子・山本倫生・上山華栄・柏木直子・川口淳・町田優子・榎本佳代子，”医師主導型の介入および侵襲を伴う臨床研究のデータの質保証体制の構築に向けた京大病院での取り組み”，日本臨床試験学会第6回学術集会総会，日本教育会館一ツ橋ホール，2015年2月．
  13. 山本倫生，”非凸ペナルティに基づく正則化最小二乗法による結果変数に関連したクラスターの推定”，平成26年度複雑データの解析法に関する研究会，統計数理研究所セミナー室5，2015年2月．
  14. Ueno, Y., Kou, T., Kanai, M., Yamamoto, M., Xue, P., Mori, Y., Kudo, Y., Kurita, A., Uza, N., Kodama, Y., Asada, M., Masui, T., Yazumi, S., Matsumoto, S., Takaori, K., Morita, S., Muto, M., Chiba, T., “Prognostic model for survival in patients with advanced pancreatic cancer receiving palliative chemotherapy”, 2015 Gastrointestinal Cancers Symposium, Moscone West Building, San Francisco, California, January 2015.

2014

  1. Hirose, K. and Yamamoto, M., “Penalized likelihood factor analysis and estimation of oblique structure”, Workshop on Statistical Methods for Large Complex Data, D509 Institute of Natural Sciences, University of Tsukuba, Ibaraki, November 2014.
  2. 廣瀬慧・山本倫生，”因子間相関を仮定した因子分析モデルの正則化スパース推定”，日本計算機統計学会第28回シンポジウム，沖縄科学技術大学院大学，2014年11月．
  3. Hirose, K. and Yamamoto, M., “Extension of rotation technique via penalization in factor analysis model”, International Conference of Advances in Interdisciplinary Statistics and Combinatorics (AISC) 2014, The University of North Carolina, Greensboro, October 2014.
  4. 渡邊美惠子・多田春江・山本倫生・上山華栄・川口淳・町田優子・榎本佳代子・森田智視，”医師主導型介入臨床試験のデータの質保証体制の構築に向けた京大病院での取り組み”，ARO協議会第2回学術集会，北海道大学，2014年9月．
  5. 廣瀬慧・山本倫生，”正則化スパース因子分析は因子回転に取って代わるか？”，2014年度統計関連学会連合大会，東京大学，2014年9月．
  6. 山本倫生，”一般化関数正準相関分析とその性質について”，2014年度統計関連学会連合大会，東京大学，2014年9月．
  7. 山本倫生・林賢一，”多変量カテゴリカルデータに対する低次元空間上でのクラスター構造の探索”，日本行動計量学会第42回大会，東北大学，2014年9月．
  8. Yamamoto, M., “Functional multiple-set canonical correlation analysis for square integrable stochastic processes”, The 21st International Conference on Computational Statistics (COMPSTAT 2014), Geneva, August 2014.
  9. 笠井宏委・伊藤達也・大橋真也・猪原登志子・山本倫生・多田春江・矢野友規・武藤学，”多施設型医師主導治験の体制構築と実施ー食道癌化学放射線療法（CRT）後の救済光線力学療法（PDT）の開発ー”，第12回日本臨床腫瘍学会学術集会，福岡国際会議場，2014年7月．
  10. 山本倫生，”欠測データ解析における最尤法と多重代入法の比較”，第120回Kyoto Biostatistics Seminar (KBS)，京都大学医学部・大学院医学研究科G棟，京都大学，2014年7月．
  11. 山本倫生，”ゲノムデータに対する因子分析、クラスタリングなど”，第3回京大病院がんセンターメディカルインフォマティクスセミナー，京大病院B会議室，京都大学，2014年7月．
  12. Yamamoto, M. and Hayashi, K., “Simultaneous analysis of clustering and dimension reduction for binary variables with application to biomedical data”, The 27th International Biometric Conference, Florence, July 2014.
  13. Hirose, K. and Yamamoto, M., “Lasso-type penalized maximum likelihood factor analysis via nonconvex penalties”, The 3rd Institute of Mathematical Statistics Asia Pacific Rim Meeting (IMS-APRM 2014), Taipei, July 2014.
  14. 山本倫生，”Functional data analysis and inverse problem～回帰分析、欠測データ解析、一般化正準相関分析を中心に～”，阪大狩野研セミナー，大阪大学，2014年5月．
  15. 山本倫生・林賢一，”次元縮約を伴うカテゴリカルデータのクラスタリング”，平成25年度統計数理研究所共同研究「複雑データの解析法に関する研究会」，統計数理研究所，2014年2月．
  16. 山本倫生，”部分空間分離による多変量関数データの低次元部分空間におけるクラスター構造の推定”，第26回大規模データ科学に関する研究会，北海道大学情報基盤センター，2014年1月．

2013

  1. 山本倫生，”関数データにおける欠測データ解析”，科学研究費シンポジウム「予測・因果・不完全データ解析とサイエンスの基礎」（科学研究費　基盤研究（B） 代表者：狩野裕），弘前大学創立50周年記念会館．2013年12月．
  2. Yamamoto, M. and Hayashi, K., “Clustering of multivariate binary data via penalized latent class analysis with dimension reduction”. The 6th International Conference of the ERCIM WG on Computational and Methodological Statistics (ERCIM 2013), London, December 2013.
  3. 廣瀬慧・山本倫生・永田晴久，”Rパッケージ”fanc”：L1型正則化法に基づく因子分析モデルのスパース推定とその可視化”，日本計算機統計学会第27回シンポジウム，崇城大学ホール，2013年11月．
  4. 森川耕輔・山本倫生・狩野裕，”脱落のある二値データに対する識別性の問題”，科研費シンポジウム「Incomplete Data Analysis and Causal Inference」（科学研究費　基盤研究（B） 代表者：狩野裕），大阪大学，2013年10月．
  5. 森川耕輔・山本倫生・狩野裕，”Missing data analysis with mixture missing mechanisms”，2013年度統計関連学会連合大会，大阪大学，2013年9月．
  6. 山本倫生・林賢一，”多変量二値データに対する次元縮約を伴うクラスター分析法”，2013年度統計関連学会連合大会，大阪大学，2013年9月．
  7. 山本倫生，”次元縮約を伴うクラスタリングの一般的表現と部分空間分離によるクラスター構造の推定”，行動計量学会第41回大会，東邦大学，2013年9月．
  8. Yamamoto, M. and Hayashi, K. Model-based clustering for multivariate binary data with dimension reduction. JSM 2013, Montréal, August, 2013.
  9. Hirose, K. and Yamamoto, M., “Lasso-type penalized maximum likelihood factor analysis”, Joint Statistical Meetings 2013, Montréal, August, 2013.
  10. Yamamoto, M., “Functional generalized reduced clustering”, The 78th Annual meeting of the Psychometric Society (IMPS 2013), Arnhem, July, 2013.
  11. Yamamoto, M., “Generalized reduced clustering”, The 2013 conference of the International Federation of Classification Societies (IFCS 2013), Tilburg, July, 2013.

2012

  1. Yamamoto, M. and Terada, Y., “Functional factorial k-means and the related methods”, The 6th International Conference of the ERCIM WG on Computational and Methodological Statistics (ERCIM 2012), Oviedo, December 2012.
  2. Hirose, K. and Yamamoto, M., “Penalized likelihood factor analysis via non-convex penalties”, The 6th International Conference of the ERCIM WG on Computational and Methodological Statistics (ERCIM 2012), Oviedo, December 2012.
  3. 森川耕輔・山本倫生・狩野裕，”Analysis of binary repeated measure data with non-ignorable missing”，科学研究費シンポジウム「統計科学の基礎的理論とその応用」（科学研究費　基盤研究（B） 代表者：狩野裕），国際奈良学セミナーハウス，2012年11月．
  4. 廣瀬慧・山本倫生，”L1型正則化法による因子分析モデルのスパース推定”，科学研究費シンポジウム「統計科学における深化と横断的展開」（科学研究費　基盤研究（A） 代表者：内藤貫太），松江テルサ，2012年10月．
  5. 山本倫生，”重み係数に対する制約付き主成分分析について”，行動計量学会第40回大会，新潟県立大学，2012年9月．
  6. 北條新太郎・山本倫生・狩野裕，”Effect of violation of the normal assumption on MI and ML estimators in the analysis of incomplete data”，2012年度統計関連学会連合大会，北海道大学，2012年9月．
  7. 山本倫生，”関数主成分分析における重み関数の回転について”，2012年度統計関連学会連合大会，北海道大学，2012年9月．
  8. 山本倫生，”無回答がある場合の複雑な調査デザインにおける逐次重み付きM-推定法の検討”，統計サマーセミナー2012，伊豆山研修センター，予稿集，p.39-40，2012年8月．
  9. Yamamoto, M. “A rotation technique in functional principal component analysis”, The 77th Annual meeting of the Psychometric Society (IMPS 2012), Nebraska, July, 2012

2011

  1. 山本倫生，”関数データの低次元部分空間におけるクラスタリング法”，関西院生勉強会，梅田芝田ビル，2011年11月．
  2. Yamamoto, M. “A cluster-based factor rotation and its properties”, 科学研究費シンポジウム「生命科学と統計学」（科学研究費　基盤研究(A)　代表者：谷口正信教授，科学研究費　基盤研究(B)　代表者：狩野裕教授，挑戦的萌芽研究　代表者：狩野裕）．大阪大学シグマホール．予稿集, p.13-21. 2011年11月．
  3. 山本倫生，”変数のクラスター制約を伴う斜交因子回転法”，行動計量学会第39回大会．岡山理科大学，論文抄録集，p309-312，2011年9月．
  4. 山本倫生，”ソボレフ空間における低次元部分空間上での関数データのクラスタリング”，統計関連学会連合大会2011，九州大学，講演報告集，p.72，2011年9月．
  5. 山本倫生，”探索的因子分析における因子回転法の比較検討”，統計サマーセミナー2011，諏訪東京理科大学，予稿集p.49，2011年8月．
  6. Yamamoto, M., “Oblique rotation techniques with clustering of variables”, The 76th Annual meeting of the Psychometric Society (MPS 2011), Hong Kong. Proceedings, p302. July, 2011.
  7. 山本倫生，”関数データの低次元空間におけるクラスタリング法”，日本統計学会春季集会，2011年3月．
  8. 山本倫生，”関数データの低次元空間におけるクラスタリング法”，「高次元データの推測理論の開発と応用」研究集会（科学研究費　基盤研究(B)　代表者：杉山髙一教授），2011年1月．

2010

  1. 山本倫生・伊藤嘉彦・冨金原悟・山口拓洋，”がんの第Ⅱ相試験における2段階デザインの比較検討”，SASユーザー総会2010論文集，p.75-86，2010年7月．

2009

  1. 山本倫生，”計量的予後因子を含むベイズ流最小化法”，統計関連学会連合大会講演報告集，p.204，同志社大学，2009年9月．

2007

  1. 山本倫生・宮本友介，”変数のクラスタリングを伴う斜交因子回転法”，日本行動計量学会第35回大会論文抄録集，p.225-226，2007年9月．
  2. 山本倫生・足立浩平，”平滑化を伴うPARAFACモデルの比較”，統計関連学会連合大会講演報告集，p.103，神戸大学，2007年9月．
  3. Yamamoto, M., Miyamoto, M., and Adachi, K., “An Oblique Factor Rotation Technique with Clustering of Variables”. The 72th Annual meeting of the Psychometric Society (IMPS 2007), proceedings, July, 2007.

2006

  1. 山本倫生・宮本友介，”B-スプライン基底を用いた非線形因子分析のパラメータ推定”，日本行動計量学会第34回大会論文抄録集，p.252-253，2006年．
  2. 山本倫生，”B-スプライン基底を用いた非線形因子分析のパラメータ推定”，統計サマーセミナー2006，2006年．
Translate this web page »