Hiroshi Motoda 研究室

本研究室は、データの構造や特性を効率的に分析・可視化する方法論の開発に取り組んでいます。特に、不均衡に分布したデータを扱う際に、従来の等幅や等度数ヒストグラムの利点を保ちながら、より適応的な区間分割を実現する技術を研究しています。この手法により、隠れた異常値を効果的に検出・可視化することが可能です。 さらに研究室では、ネットワーク上に存在する小規模なパターン構造（モチーフ）の出現頻度を計算する問題に着目しています。不確実性を含むネットワーク（各リンクが確率的に機能する場合）において、従来のサンプリング法に依存せず解析的に期待値を求める手法を提案しており、計算効率の大幅な改善を実現しています。 また、道路網や通信網といった現実のネットワークで、リンク障害時に network 性能を著しく低下させる重要な接続の同定に関する研究も展開しています。目標ノードへの到達可能性に基づいて、どのリンクが重要であるかを効率的に判定する新たな評価指標を開発し、不確実な環境下でのネットワーク脆弱性分析に貢献しています。