中野　直人 NAKANO Naoto

時系列データの解析と予測のためのデータ駆動的モデリング
自然現象・社会現象の時系列データの解析や予測について研究しています．複雑な現象ではデータを記述するモデルの構成が難しいため，データ自体に「聞く」ことが重要です．そのため，時系列埋め込みや機械学習を駆使したデータ駆動的モデルを通じて解析や予測を行っています．

現代社会では，機器の高性能化も相まって，実験観測でもシミュレーションでも多くのデータを手にできるようになりました．せっかくのデータは有効に利活用してやらねばなりません．同じデータを扱うにしても，目的や課題は多種多様で，選ぶべき手法は変わり得ます．正しく選択するために重要な役割を果たすのは数理科学であり，統計科学であり，機械学習の知識です．あなたも自分の興味あるデータについて，その生成規則や構造を明らかにしてみませんか？

Empirical evaluated SDE modelling for dimensionality-reduced systems and its predictability estimates, N. Nakano, M. Inatsu, S. Kusuoka and Y. Saiki, Japan J. Indust. Appl. Math., 35 (2018) Proper Choice of Spatio-Temporal Scale and Dataset Subsampling for Empirical CA Construction, A. Kawaharada, T. Miyaji and N. Nakano, 2015 Third International Symposium on Computing and Networking (2015)

◆ソメイヨシノの開花日予測の機械学習モデルと予測に寄与した要因の評価
◆Uncertainty Quantification を考慮した動的予測統合モデル
◆地震波時系列から火山噴火の分類と予測