K. Fujita's website

研究分野

数理モデル化と数値計算の技術を用い,様々な分野の研究を行っております.

クラスタリング手法の開発

概要

この研究では,データ解析のための手法の一つであるクラスタリング手法を幾つか開発してきました. 開発してきた手法の一つが,円柱座標で表されるデータに特化した確率モデルベースのクラスタリング手法です (Fujita, 2017). 開発した手法を画像の減色に適用したところ,色相に対応した色に分けられることを確認しました (下図). また,ビッグデータ対応のためのクラスタリング手法も開発いたしました (Fujita, 2020).

減色

論文

  • Kazuhisa Fujita (Accepted) Approximate spectral clustering using both reference vectors and topology of the network generated by growing neural gas. PeerJ Computer Science.
  • Kazuhisa Fujita (2021) Estimation of the number of clusters on d-dimensional sphere. arXiv:2011.07530.
  • Kazuhisa Fujita (2017) A clustering method for data in cylindrical coordinates. Mathematical Problems in Engineering, 2017, Article ID 3696850, 1-11.

GPUを用いた脳型ニューラルネットワークの高速化

概要

脳活動を理解するためには,生物学的な実験だけではなくコンピュータシミュレーションが有効です. しかし,大規模な脳のシミュレーションは膨大な量の計算をする必要があります. 本研究ではGPUによる脳のシミュレーションの高速化に挑戦しています. その結果市販のグラフィックボードを用いてもCPUより遥かに高速に計算できることを明らかにしました.

論文

  • Kazuhisa Fujita, Shun Okuno, and Yoshiki Kashimori (2018) Evaluation of the computational efficacy in GPU-accelerated simulations of spiking neurons. Computing, 100, 907–926.
  • Shun Okuno, Kazuhisa Fujita, and Yoshiki Kashimori (2017) Computational efficacy of GPGPU-accelerated simulation for various neuron models. Lecture Notes in Computer Science, 10638, 802-809.
  • Kazuhisa Fujita and Yoshiki Kashimori (2016) GPU-Accelerated Simulations of an Electric Stimulus and Neural Activities in Electrolocation. Lecture Notes in Computer Science, 9950, 213-220.

脳型ニューラルネットワークのコンピュータシミュレーション

概要

論文

  • Kazuhisa Fujita (2011) Modulations of electric organ discharge and representation of the modulations on electroreceptors. Lecture Notes in Computer Science 7064, 251-258.
  • Kazuhisa Fujita, Yoshiki Kashimori and Takeshi Kambara (2007) Spatiotemporal burst coding for extracting features of spatiotemporally varying stimuli. Biological Cybernetics 97, 293-305.
  • Kazuhisa Fujita, Yoshiki Kashimori, Meihong Zheng and Takeshi Kambara (2006) A role of synchronicity of neural activity based on dynamic plasticity of synapses in encoding spatiotemporal features of electrosensory stimuli, Mathematical Biosciences 201, 113-124.
  • Kazuhisa Fujita and Yoshiki Kashimori (2006) Population coding of electrosensory stimulus in receptor network, Neurocomputing 69, 1206-1210.
  • Kazuhisa Fujita, Yoshiki Kashimori and Takeshi Kambara (2005) Dynamic population coding for detecting the distance and size of an object in electrolocation, Neurocomputing 65-66, 243-251.
  • Kazuhisa Fujita and Yoshiki Kashimori (2005) A neural model for encoding information of object distance and size in electrolocation, Proc. of 12th International Conference on Neural Information Processing/APNN 2005/11, 318-321.
  • Kazuhisa Fujita, Yoshiki Kashimori, Meihong Zheng and Takeshi Kambara (2004) A role of burst firings in encoding of spatiotemporally-varying stimulus, Biosystems 76, 21-31.

機械受容器の動力学モデル

概要

皮膚に存在する機械刺激を神経活動に変換する機械受容器は複雑な応答をします.そのメカニズムは十分に分かっていません.本研究では,機械受容器の応答を再現する数理モデルを提案し,複数の時間特性の異なるイオンチャネルにより複雑な応答が生成されることを示しました.上図は機械受容器に与える刺激の大きさ,下図は再現した機械受容器の応答の様子です.

機械受容器の応答

論文

  • Kazuhisa Fujita (2014) A model of a rapidly-adapting mechanosensitive current generated by a dorsal root ganglion neuron. Mathematical Biosciences, 252C, 60-66.

有限要素法を用いた電場計算

図はコンピュータシミュレーションにより求めた弱電気魚が生成した電場の様子です. 電場

論文

  • Kazuhisa Fujita and Yoshiki Kashimori (2019) Representation of object’s shape by multiple electric images in electrolocation. Biological Cybernetics, 113, 239-255.
  • Kazuhisa Fujita and Yoshiki Kashimori (2010) Modeling the electric image produced by objects with complex impedance in weakly electric fish. Biological Cybernetics 103, 105-118.

Last Update: 2021/08/03