『妊婦さんが本当に気をつけるべきこと』

厚生労働省, 2015, (Retrieved July 3, 2015, http://www.mhlw.go.jp/seisakunitsuite/bunya/kodomo/kodomo_kosodate/boshi-hoken/ninpu-02.html).

CDC, 2015, (Retrieved July 3, 2015, http://www.cdc.gov/cmv/prevention.html).

CDC, 2015, (Retrieved July 3, 2015, http://www.cdc.gov/parasites/toxoplasmosis/).

FDA, 2015, (Retrieved July 3, 2015, http://www.fda.gov/Food/FoodborneIllnessContaminants/Metals/ucm393070.htm).

Mayo Clinic, 2015, (Retrieved July 3, 2015, http://www.mayoclinic.org/diseases-conditions/fetal-alcohol-syndrome/basics/definition/con-20021015).

Mayo Clinic, 2015, (Retrieved July 3, 2015, http://www.mayoclinic.org/healthy-lifestyle/pregnancy-week-by-week/in-depth/smoking-and-pregnancy/art-20047021).

金粕仁美, and 山内弘子. “妊娠期の母親の感染症に対する認知と予防知識・予防行動の実態.” 母性衛生 55.1 (2014): 120-127.

末原則幸. “TORCH 症候群 (特集/新生児の感染症).” 小児科診療 67.3 (2004): 355-359.

田尻下怜子, and 瀧本秀美. “妊婦の食事・栄養 (特集 小児疾患と妊娠・周産期・トランジション)–(小児科医が知っておくべき妊娠中の注意事項).” 小児科診療 76.12 (2013): 1961-1965.

薮田結子. “妊娠とリステリア感染症 (特集 感染症の古くて新しい展開)–(産科領域と感染症).” 産科と婦人科78.4 (2011): 447-454.

Oken, Emily. “Fish intake and mercury levels: only part of the picture.” The Journal of pediatrics 157.1 (2010): 10-12.

 

『ディープラーニングとは何なのか?そのイメージをつかんでみる』

*大野健太,2015年,【連載第1回】ニューラルネットの歩んだ道、ディープラーニングの登場で全てが変わった(2015年7月20日,http://business.nikkeibp.co.jp/article/bigdata/20150419/280107/?P=1)

*NCBI,2015年,Large-Scale Transportation Network Congestion Evolution Prediction Using Deep Learning Theory(2015年7月16日,http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4363621/)

*(2015年7月16日,http://i.ytimg.com/vi/_Cx2-OxMdls/maxresdefault.jpg)

*@IT,2015年,グーグルの人工知能を利用できるWebインタフェースが登場(2015年7月16日,http://www.atmarkit.co.jp/ait/articles/1507/08/news069.html)

*エンジニアtype,2015年,「エンジニアは今すぐディープラーニングを学べ」松尾豊氏が見据える、日本がシリコンバレーを追い越す日【連載:匠たちの視点】(2015年7月16日,http://engineer.typemag.jp/article/takumi_matsuo)

*『論文の引用・共著関係から何が分かるか?— ネットワーク分析手法からのアプローチ—』,杉山,2006年

*『人工知能は人間を超えるか-ディープラーニングの先にあるもの-』,松尾豊,2015年,角川EPUB選書

*SlideShare,2014年,Convolutional Neural Network @ CV勉強会関東,(2015年7月16日,http://image.slidesharecdn.com/kagayapdf-140524230208-phpapp02/95/convolutional-neural-network-cv-5-638.jpg?cb=1400972579)

 

『ディープラーニングを巡る研究分野の広がりを可視化、予測してみる』

*NCBI,2015年,Large-Scale Transportation Network Congestion Evolution Prediction Using Deep Learning Theory(2015年7月16日,http://www.ncbi.nlm.nih.gov/pmc/articles/PMC4363621/)

*(2015年7月16日,http://i.ytimg.com/vi/_Cx2-OxMdls/maxresdefault.jpg)

*@IT,2015年,グーグルの人工知能を利用できるWebインタフェースが登場(2015年7月16日,http://www.atmarkit.co.jp/ait/articles/1507/08/news069.html)

*エンジニアtype,2015年,「エンジニアは今すぐディープラーニングを学べ」松尾豊氏が見据える、日本がシリコンバレーを追い越す日【連載:匠たちの視点】(2015年7月16日,http://engineer.typemag.jp/article/takumi_matsuo)

*『論文の引用・共著関係から何が分かるか?— ネットワーク分析手法からのアプローチ—』,杉山,2006年

*『人工知能は人間を超えるか-ディープラーニングの先にあるもの-』,松尾豊,2015年,角川EPUB選書

*SlideShare,2014年,Convolutional Neural Network @ CV勉強会関東,(2015年7月16日,http://image.slidesharecdn.com/kagayapdf-140524230208-phpapp02/95/convolutional-neural-network-cv-5-638.jpg?cb=1400972579)

[注釈]

※1…論文データの収集にはweb of science,core collectionを用いました。また今回示した分野以外にも、物理・化学・資源分野などがありましたが2%以下の分布率だったので割愛致しました。

※2…先行研究として”大規模学術論文データの共著ネットワーク分析に基づく萌芽領域の中心研究者予測に関する研究”(2015,森)を参考にしています。用いたパラメータは以下の通りです。

[ノード特徴量]
次数,近接性,媒介性,クラスタリング係数,隣接ノードの平均次数,固有値,Pagerank,トライアド数,離心性
[クラスタ特徴量]
モジュラリティ,hitsスコア(authority,hub)

分類にはSVMを用いました。ハイパーパラメータは8-交差検定におけるグリッドサーチの結果、gamma = 0.01584893 ; cost = 12.58925で正解率100%を得ました。

※3…”Deep Learning”という検索キーワードのみでデータを取得したところ、偶然単語が一致するなどしてディープラーニングに関係ないものが混ざってしまっていたので、それはこちらで削除いたしました。今回の学習時にはこれらデータも混ざった状態だったので、ちゃんとディープラーニングに関する論文だけ選別すればより精度が高まる可能性は高いと思われます。今回はノイズありの結果だということをご留意頂ければ幸いです。

※4…今回、論文共著者ネットワークを構築する際に略称を用いましたが、その際にWang,Yで略されてしまう著者が複数存在していたため、ネットワーク上での影響力が非常に強くなってしまっています。ご了承ください。

 

『松尾豊先生に聞く、これからの人工知能との付き合い方[前編]』

*Google,2015年,Inceptionism: Going Deeper into Neural Networks(2015年7月8日,http://googleresearch.blogspot.co.uk/2015/06/inceptionism-going-deeper-into-neural.html)

*Buzz News +,2015年,Googleの人工知能が描いた絵が凄すぎる(2015年7月8日,http://buzz-plus.com/article/2015/06/22/google-art/)

*公立はこだて未来大学 社会連携センター,2014年,きまぐれ人工知能プロジェクト 作家ですのよ(2015年7月8日,http://www.fun.ac.jp/~kimagure_ai/)