筑波大学 · 数理物質系 · 名誉教授
赤平 昌文
Akahira Masafumi
别名: AKAHIRA Masafumi / アカヒラ マサフミ
Research fields
研究领域
按日本文部科学省 科研費審査区分表 自动归类。KAKEN 项目数越多,代表教授在该领域投入越深。第一个为「主业」。
- 主业統計科学細目
- 情報学中区分
- 数学中区分
- 数学一般(含確率論・統計数学)小区分
- 代数学・幾何学小区分
- 情報学基礎大区分
- 情報科学、情報工学およびその関連分野大区分
- 数学一般小区分
- 数学基礎・応用数学細目
- 数物系科学大区分
- 理学大区分
- 理工系大区分
- 総合・新領域系大区分
- 総合系大区分
- 総合領域大区分
- 複合領域大区分
Research keywords
这位教授在研究什么
基于他/她公开的科研项目与论文自动提取的研究关键词,出现频次越高显示越大。
KAKEN grants
科研项目(近期在前)
KAKENHI 是日本科研最权威的经费系统,基金层级越高(S > A > B)越能反映影响力。
- 2025KAKENHI-基盤研究(C)大偏差確率漸近中央値不偏推定量鞍点近似有効性最尤推定量
- 2022KAKENHI-挑戦的研究(萌芽)
テンソル構造をもつ巨大データの統計的圧縮技術の開発 ↗
データ圧縮深層学習高次元統計解析巨大データ次元の呪い - 2020KAKENHI-基盤研究(C)
ベイジアン情報不等式による有効性 ↗
ベイズ推測ベイズリスクベイジアン情報不等式有効性下界エスコート分布共役事前分布Jeffreys事前分布 - 2019KAKENHI-基盤研究(C)
広義の非正則モデルにおけるベイズ的推測に関する研究 ↗
切断指数型分布族切断分布族局外母数切断母数最尤推定量ベイズ推定量漸近損失中央値不偏推定量 - 2019KAKENHI-挑戦的研究(萌芽)
超高次元データによる個別化モデリングへの挑戦 ↗
超高次元データ個別化モデリング天体スペクトル次世代シーケンサークラスタリング個別化医療 - 2017KAKENHI-挑戦的研究(萌芽)
非スパースモデリングによるビッグデータの新展開 ↗
非スパースモデリングスパイクノイズビッグデータ人工知能ディープラーニング - 2015KAKENHI-挑戦的萌芽研究
統計的欠損性の階層構造の解明とその応用 ↗
漸近損失最尤推定量Bayes推定量切断指数型分布族Bayes 推定量欠損性漸近平均漸近分散 - 2014KAKENHI-挑戦的萌芽研究
ビッグデータの統計学:理論の開拓と3Vへの挑戦 ↗
ビッグデータ潜在構造分析異常値欠損値非正則推定論 - 2013KAKENHI-基盤研究(C)
非正則な確率分布に関する逐次推定方式の構築 ↗
ベイズ推測ダイバージェンス情報不等式歪正規分布無情報事前分布対称分布条件付き最尤推定量歪q正規分布 - 2012KAKENHI-挑戦的萌芽研究
統計的実験とその応用の新開拓 ↗
統計的推測標本空間情報量分布統計量推定検定確率分布
CiNii papers
近期论文 / 文章
CiNii 覆盖日本国内期刊、论文集、图书章节。只保留最近的 10 条。
- 2019京都大学 数理解析研究所講究録
Empirical Bayes estimation of a truncation parameter for a oTEF ↗
- 2017京都大学 数理解析研究所講究録
Asymptotic comparison between the maximum likelihood estimator and Bayes estimator for a certain truncated exponential family ↗
- 2016京都大学 数理解析研究所講究録
The power of the test based on the non-central t-statistic under non-normality ↗
- 2016京都大学 数理解析研究所講究録
On the information on skew-normal distributions ↗
- 2009Amer.Math.Soc.Transl. Ser.2, 227
The structure of higher order asymptotic theory of statistical estimation. ↗
- 2009数理解析研究所講究録 1621
On the minimum variance unbiased estimation ↗
- 2009数理解析研究所講究録 1621
On the minimum variance unbiased estimation ↗
- 2009京都大学 数理解析研究所講究録
On theminimum variance unbiased estimation ↗
- 2004数理解析研究所講究録 1380
Conditional confidence internals for a location-scale parameter family ↗
- 2004数理解析研究所講究録 1380
Fisher and Kullback-Leibler in formations contained in record data ↗
How to assess fit
如何判断这位教授是否适合你
数据库的数据告诉你「这位教授在做什么」;能不能适合你,需要你自己对照以下几点判断。
- 关键词对齐
上面的关键词云里,有没有你研究计划书中反复出现的词?1-2 个重合是起点,3+ 个说明方向接近。
- 近期项目对应
看 KAKEN 项目的时间 — 近 2 年还有活跃项目说明研究室还在跑;只看项目名也大致能判断和你的问题是否相关。
- 不要只看学校名气
方向匹配度 > 学校排名。一位方向对口、还在活跃招生的副教授,往往比一位名气大但快退休的正教授更值得考虑。
- 留意招生信号
查一下该教授的研究室官网,看 OB/OG 名录里有没有中国 / 韩国 / 东南亚学生 — 这是「是否招留学生」最直接的信号。
ℹ️ 后期会加入基于 LLM 的中文画像(例如:「这位教授的研究风格偏...,适合什么样的申请者」),目前先用数据库公开字段 + 编辑建议替代。
数据来源说明:此页所有数据均来自 NII 旗下 KAKEN(nrid.nii.ac.jp)+ CiNii Research(cir.nii.ac.jp)公开 API,非实时抓取,可能滞后数周。每条目右侧链接可回溯到原始记录。
