論文 - 清水　昌平

21. A multivariate causal discovery based on post-nonlinear model，Proceedings of the First Conference on Causal Learning and Reasoning, PMLR，177巻 （頁 826 ～ 839） ，2022年06月，Kento Uemura, Takuya Takagi, Kambayashi Takayuki, Hiroyuki Yoshida, Shohei Shimizu

    研究論文（国際会議プロシーディングス），共著

    

22. Chemical-Mediated Microbial Interactions Can Reduce the Effectiveness of Time-Series-Based Inference of Ecological Interaction Networks，International Journal of Environmental Research and Public Health，2022年01月，Kenta Suzuki, Masato S Abe, Daiki Kumakura, Shinji Nakaoka, Fuki Fujiwara, Hirokuni Miyamoto, Teruno Nakaguma, Mashiro Okada, Kengo Sakurai, Shohei Shimizu, Hiroyoshi Iwata, Hiroshi Masuya, Naoto Nihei, Yasunori Ichihashi

    研究論文（学術雑誌），共著

23. Hierarchical Adversarial Attacks Against Graph Neural Network Based IoT Network Intrusion Detection System，IEEE Internet of Things Journal，2021年11月，Xiaokang Zhou, Wei Liang, Weimin Li, Ke Yan, Shohei Shimizu, I Kevin, Kai Wang

    研究論文（学術雑誌），共著

24. Repetitive causal discovery of linear non-Gaussian acyclic models in the presence of latent confounders，International Journal of Data Science and Analytics，2021年09月，Takashi Nicholas Maeda, Shohei Shimizu

    研究論文（学術雑誌），単著

25. Nonlinear Causal Discovery for High-Dimensional Deterministic Data，IEEE Transactions on Neural Networks and Learning Systems，2021年，Yan Zeng, Zhifeng Hao, Ruichu Cai, Feng Xie, Libo Huang, Shohei Shimizu

    DOI:https://doi.org/10.1109/TNNLS.2021.3106111，研究論文（学術雑誌），共著

    

26. Estimating individual-level optimal causal interventions combining causal models and machine learning models，Proceedings of The KDD'21 Workshop on Causal Discovery, PMLR，2021年，Keisuke Kiritoshi, Tomonori Izumitani, Kazuki Koyama, Tomomi Okawachi, Keisuke Asahara, Shohei Shimizu

    研究論文（国際会議プロシーディングス），共著

27. Siamese Neural Network Based Few-Shot Learning for Anomaly Detection in Industrial Cyber-Physical Systems，IEEE Transactions on Industrial Informatics，2020年12月，Xiaokang Zhou, Wei Liang, Shohei Shimizu, Jianhua Ma, Qun Jin

    研究論文（学術雑誌），共著

28. Estimation of post-nonlinear causal models using autoencoding structure，Proc. 45th International Conference on Acoustics, Speech, and Signal Processing (ICASSP2020)，2020年05月，K. Uemura, S. Shimizu

    研究論文（国際会議プロシーディングス），共著

29. B4SDC: A Blockchain System for Security Data Collection in MANETs,，IEEE Transactions on Big Data，2020年03月，Gao Liu, Huidong Dong, Zheng Yan, Xiaokang Zhou, Shohei Shimizu

    研究論文（学術雑誌），共著

30. Multi-Modality Behavioral Influence Analysis for Personalized Recommendations in Health Social Media Environment，IEEE Transactions on Computational Social Systems，2019年10月，X. Zhou, W. Liang, I. Kevin, K. Wang, S. Shimizu

    DOI:https://doi.org/10.1109/TCSS.2019.2918285，研究論文（学術雑誌），共著

    

31. Analysis of cause-effect inference by comparing regression errors，PeerJ Computer Science，2019年01月，Patrick Blöbaum, Dominik Janzing, Takashi Washio, Shohei Shimizu, Bernhard Schölkopf

    研究論文（学術雑誌），共著

32. Personalization recommendation algorithm based on trust correlation degree and matrix factorization，IEEE Access，2019年01月，Weimin Li, Xiaokang Zhou, Shohei Shimizu, Mingjun Xin, Jiulei Jiang, Honghao Gao, Qun Jin

    研究論文（学術雑誌），共著

33. A novel personalized recommendation algorithm based on trust relevancy degree，Proc. 2018 IEEE 16th Intl Conf on Dependable, Autonomic and Secure Computing, 16th Intl Conf on Pervasive Intelligence and Computing, 4th Intl Conf on Big Data Intelligence and Computing and Cyber Science and Technology Congress(DASC/PiCom/DataCom/CyberSciTech)，2018年08月，Weimin Li, Heng Zhu, Xiaokang Zhou, Shohei Shimizu, Mingjun Xin, Qun Jin

    研究論文（国際会議プロシーディングス），共著

34. A novel principle for causal inference in data with small error variance，JMLR Workshop and Conference Proceedings, AISTATS2018 (Proc. 21st International Conference on Artificial Intelligence and Statistics)，2018年04月，Patrick Bloebaum, Dominik Janzing, Takashi Washio, Shohei Shimizu, Bernhard Schoelkopf

    研究論文（国際会議プロシーディングス），共著

35. Learning instrumental variables with structural and non-Gaussianity assumptions，Journal of Machine Learning Research，18巻 （頁 1 ～ 49） ，2017年11月，Ricardo Silva,Shohei Shimizu

    研究論文（学術雑誌），共著

    

36. Estimation of interventional effects of features on prediction，Proc. 2017 IEEE Machine Learning for Signal Processing Workshop (MLSP2017)，2017年09月，Patrick Blobaum,Shohei Shimizu

    研究論文（国際会議プロシーディングス），共著

37. A novel principle for causal inference in data with small error variance，Proc. 25 th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (ESANN2017)，2017年04月，Patrick Blobaum, Shohei Shimizu, Takashi Washio

    研究論文（国際会議プロシーディングス），共著

38. Error asymmetry in causal and anticausal regression，Behaviormetrika，2017年04月，Patrick Blobaum,Takashi Washio,Shohei Shimizu

    研究論文（学術雑誌），共著

39. Visualizing Shiga Prefecture using RESAS: cloud-based analysis system with government open big data，Proc. 2nd International Conference on Big Data, Cloud Computing, and Data Science (BCD2017)，2017年，Jong chan Lee,Tetsuto Himeno,Shohei Shimizu,Takuma Tanaka,Akimichi Takemura

    研究論文（国際会議プロシーディングス），共著