Tomoko Matsui

教授

语言模型与人机交互中心

教育背景
  • 1997：东京工业大学，理工学研究科，计算工学，工学博士（论文博士）
  • 1986–1988：东京工业大学，理工学研究科，信息科学，理学硕士（全日制）
  • 1982–1986：东京工业大学，理学院，信息科学，理学学士（全日制）

 

工作经历（按时间倒序）

  • 2026–至今：深圳河套学院，教授
  • 2025.01–2025.12：统计数理研究所，教授（全职）
  • 2011.04–2024.12：统计数理研究所（ISM），教授（全职）；兼任部门负责人等管理职务
  • 2010.04–2011.03：统计数理研究所（ISM），教授、副所长（全职）
  • 2008.04–2010.03：统计数理研究所（ISM），教授（全职）
  • 2003.01–2008.03：统计数理研究所（ISM），副教授（全职）
  • 2003.01–2003.03：佐治亚理工学院（美国），访问副教授
  • 2001.01–2001.06：朗讯科技贝尔实验室（美国），访问研究员
  • 2000.04–2001.06：关西大学，讲师（兼职）
  • 1998.11–2002.12：ATR（先进电信研究所），主任研究员（全职）
  • 1988.04–1998.10：日本电信电话公司（NTT），研究员（全职）
研究方向
基于AI的统计机器学习、用于语音信息处理的AI、基于AI的时空数据分析、AI在医疗保健和环境感知中的应用、AI + 生物医学与环境工程、AI用于城市与社会韧性、AI + 地理空间与社会经济分析
科目分类
语言智能与人机交互
邮箱
tomokomatsui@slai.edu.cn
个人简介

Tomoko Matsui，工学博士，现任深圳河套学院（Shenzhen Loop Area Institute, SLAI）教授。她毕业于东京工业大学，获信息科学方向工学博士学位。其研究方向包括统计机器学习、语音信息处理以及时空数据分析，并广泛应用于气候风险、社会感知与医疗健康等领域。她已在 IEEE Transactions、Speech Communication、Spatial Statistics、ICASSP、Interspeech 等国际顶级期刊和会议上发表100 余篇同行评议论文，并主持或参与多项具有竞争性的科研项目。她欢迎国际合作，并诚挚欢迎对人工智能与医疗健康（尤其是认知症相关研究）感兴趣的优秀学生加入。

学术著作
  1. Murakami D., Peters G. W., Septier F., Matsui T.，广义双曲状态空间模型及其在时空热浪预测中的应用，Spatial Statistics，2023（SCI Q1）
  2. Feng Z., Markov K., Saito J., Matsui T.，神经咳嗽计数器：一种用于咳嗽检测与监测的深度学习新方法，IEEE Access，2024（SCI Q1）
  3. Tran V., Septier F., Murakami D., Matsui T.，基于深度神经网络域自适应的时空温度预测方法，Atmosphere，2024（SCI）
  4. Shevchenko P. V., Murakami D., Matsui T., Myrvoll T. A.，随机 DICE 模型下 COVID-19 类型事件对经济与气候的影响分析，Environmental Economics and Policy Studies，2021（SSCI）
  5. Gao S., Bagnarosa G., Peters G. W., Ames M., Matsui T.，用于农业保险产品的动态随机气候—经济一体化时空模型，North American Actuarial Journal，2023（SSCI）
  6. Tran V., Matsui T.，基于 Twitter 表情情绪趋势的 COVID-19 病例预测：日本案例研究，Frontiers in Public Health，2023（SCI）
  7. Murakami D., Matsui T.，过度离散泊松回归的改进对数高斯近似及其在 COVID-19 空间分析中的应用，PLOS ONE，2022（SCI）
  8. Azzaoui N., Matsui T., Murakami D.，用于揭示进化分析中隐含控制策略的数据驱动框架，Mathematical and Computational Applications，2023（SCI）
  9. Tanuma I., Matsui T.，用于协同过滤的评分比例感知二项矩阵分解方法，IEEE Access，2023（SCI Q1）
  10. Peters G. W., Nevat I., Nagarajan S. G., Matsui T.，空间扭曲高斯过程：估计与高效场重建方法，Entropy，2021（SCI Q2）
  11. Murakami D., Kajita M., Kajita S., Matsui T.，适用于多种非高斯空间数据的组合扭曲加性混合建模方法，Spatial Statistics，2021（SCI Q1）

 

著作/编著：

  • 《时空建模的理论基础》，SpringerBriefs in Statistics，2015，编者
  • 《时空建模的方法与应用》，SpringerBriefs in Statistics，2015，编者
  • 《基于高斯过程的语音与音乐情感识别》，收录于《时空建模的方法与应用》，Springer，2015，合著者

 

专利成果：

  • 声学信号分析装置及方法，日本专利 JP 2017-167347，2017，共同发明人
  • 语音识别系统的说话人自适应方法，美国专利 US 5,835,890，1999，第一发明人
  • 说话人识别方法及装置，美国专利 US 5,721,808，1998，第一发明人
  •  

科研奖励：

  • 2018：最佳研究发表奖，国家协同研究与成果发表大会（CSIS DAYS 2018），共同获奖者
  • 2018：粟谷洁学术鼓励奖，日本声学学会，共同获奖者
  • 1993：最佳论文奖，日本电子信息通信学会（IEICE），第一作者