Shogo Muramatsu 研究室
主宰者：Shogo Muramatsu
新潟大学
AI 要約（直近 5 年の研究成果）
本研究室では、複雑な現象を観測データから数学的に理解・予測するデータ駆動型の手法開発に取り組んでいます。特に、Koopman作用素理論や動的モード分解（DMD）といった高次元データ解析技術を基盤として、時系列データから支配方程式を抽出したり、非線形現象を線形モデルで表現したりする方法を研究しています。チェビシェフ多項式やグラフ信号処理、ユニタリネットワークなどの数学的ツールを用いて、観測値から隠れた構造を見つけ出すことが特徴です。
応用面では、河川の水位や河床変形の予測に力を注いでいます。河川流の複雑な非線形動態を扱うため、従来の物理モデルだけでなく、物理法則を組み込んだニューラルネットワーク（PINN）やデジタルツイン技術も活用しています。さらに、画像復元、地震応答解析、砂州の形成機構など、多様な物理現象へも手法を展開しており、センサ観測が困難な状況での推定を実現しています。
訓練データが少ない場合や測定が難しい環境でも有効な手法の開発が研究室の大きな目標です。フィルタバンク理論に基づく構造化されたネットワーク設計を通じて、領域知識を活かしながら解釈性の高いモデル構築も進めており、防災や環境保全といった実社会の課題解決に貢献しようとしています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 物理学・天文学Yi Zhou 研究室神戸大学論文 100 件·共通: 地球システム変動, 環境動態科学, 環境動態・生態, 解析学一般 +8
- 計算機科学Ruidong Li 研究室金沢大学論文 100 件·共通: ネットワークアーキテクチャ, ネットワーク工学, 情報ネットワーク, ネットワーク +5
- 計算機科学Hironori Washizaki 研究室早稲田大学論文 100 件·共通: ネットワークアーキテクチャ, ネットワーク工学, 情報ネットワーク, ネットワーク +3
- 社会科学Shunsuke Ono 研究室東京工業大学論文 97 件·共通: ネットワークアーキテクチャ, ネットワーク工学, 情報ネットワーク, ネットワーク +3
- 工学Hiroo Sekiya 研究室千葉大学論文 100 件·共通: ネットワークアーキテクチャ, ネットワーク工学, 情報ネットワーク, ネットワーク +2
- 物理学・天文学Naoki Masuda 研究室神戸大学論文 76 件·共通: ネットワークアーキテクチャ, ネットワーク工学, 情報ネットワーク, ネットワーク +2
- 工学Kazuki Maruta 研究室東京理科大学論文 100 件·共通: 信号処理, 地球システム変動, 環境動態科学, 環境動態・生態 +4
- 環境科学Kazuya Shimizu 研究室筑波大学論文 93 件·共通: 地球システム変動, 環境動態科学, 環境動態・生態, 解析学 +5
研究成果（38 件）
- [2026] Numerical Spectrum Linking: Identification of Governing PDE via Koopman-Chebyshev ApproximationDOI: https://doi.org/10.60864/w541-wq92
- [2026] Numerical Spectrum Linking: Identification of Governing PDE via Koopman-Chebyshev ApproximationDOI: https://doi.org/10.1109/icassp55912.2026.11464544
- DOI: https://doi.org/10.1587/transfun.2025eap1095
- [2025] APPLICABILITY OF PHYSICS-INFORMED NEURAL NETWORKS (PINNS) TO OPEN-CHANNEL FLOW ON ALTERNATE BARSDOI: https://doi.org/10.2208/jscejj.24-16171
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249215
- DOI: https://doi.org/10.1109/apsipaasc65261.2025.11249113
- DOI: https://doi.org/10.1109/itc-cscc66376.2025.11137622
- DOI: https://doi.org/10.1109/itc-cscc66376.2025.11137697
- DOI: https://doi.org/10.1109/itc-cscc66376.2025.11137644
- [2025] 3D Physical Model of Controllable Artificial Variable Width Channel with Reinforcement LearningDOI: https://doi.org/10.1109/itc-cscc66376.2025.11137784
続きを表示（残り 28 件）閉じる
- DOI: https://doi.org/10.1109/itc-cscc66376.2025.11137685
- DOI: https://doi.org/10.1561/116.20240068
- DOI: https://doi.org/10.1109/apsipaasc63619.2025.10848830
- [2024] Physics-informed neural networks for inversion of river flow and geometry with shallow water modelDOI: https://doi.org/10.1063/5.0232852
- DOI: https://doi.org/10.1109/itc-cscc62988.2024.10628402
- DOI: https://doi.org/10.1109/itc-cscc62988.2024.10628276
- DOI: https://doi.org/10.1561/116.00000308
- [2024] DATA-DRIVEN SEISMIC RESPONSE ANALYSIS BASED ON DYNAMIC MODE DECOMPOSITION WITH TIME-DELAY EMBEDDINGDOI: https://doi.org/10.2208/jscejj.23-15006
- DOI: https://doi.org/10.1109/vcip59821.2023.10402611
- DOI: https://doi.org/10.1587/essfr.17.2_116
- DOI: https://doi.org/10.1109/icip49359.2023.10222618
- DOI: https://doi.org/10.1109/icip49359.2023.10222110
- DOI: https://doi.org/10.1109/itc-cscc58803.2023.10212932
- DOI: https://doi.org/10.1109/icassp49357.2023.10096452
- DOI: https://doi.org/10.1080/17499518.2023.2184479
- DOI: https://doi.org/10.1063/5.0128760
- DOI: https://doi.org/10.1109/icip46576.2022.9897196
- DOI: https://doi.org/10.1109/cleo-pr62338.2022.10432657
- DOI: https://doi.org/10.1063/5.0085574
- DOI: https://doi.org/10.1109/tci.2022.3183396
- DOI: https://doi.org/10.3850/978-981-18-5182-7_00-15-003.xml
- DOI: https://doi.org/10.1364/cleopr.2022.ctua15d_03
- [2021] Practical dynamic reliability analysis with spatiotemporal features in geotechnical engineeringDOI: https://doi.org/10.1080/17499518.2021.1971250
- DOI: https://doi.org/10.1109/icas49788.2021.9551113
- DOI: https://doi.org/10.1109/itc-cscc52171.2021.9524738
- DOI: https://doi.org/10.1109/itc-cscc52171.2021.9524737
- [2021] Sparse-Coded Dynamic Mode Decomposition on Graph for Prediction of River Water Level DistributionDOI: https://doi.org/10.1109/icassp39728.2021.9414533
- DOI: https://doi.org/10.23919/isap47053.2021.9391487
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。