メインナビゲーションにスキップ
検索にスキップ
メインコンテンツにスキップ
Keio University ホーム
ヘルプ&FAQ
English
日本語
ホーム
プロファイル
研究部門
研究成果
専門知識、名前、または所属機関で検索
Scopus著者プロファイル
片山 翔太
経済学部
ウェブサイト
https://k-ris.keio.ac.jp/html/100014894_ja.html
h-index
121
被引用数
4
h 指数
Pureの文献数とScopusの被引用数に基づいて算出されます
2013
2021
年別の研究成果
概要
フィンガープリント
ネットワーク
研究成果
(10)
類似のプロファイル
(1)
Pureに変更を加えた場合、すぐここに表示されます。
フィンガープリント
Shota Katayamaが活動している研究トピックを掘り下げます。このトピックラベルは、この研究者の研究成果に基づきます。これらがまとまってユニークなフィンガープリントを構成します。
1
類似のプロファイル
Covariance matrix
Mathematics
100%
Covariance Matrix
Business & Economics
93%
High-dimensional
Mathematics
76%
Outliers
Business & Economics
72%
Linear Regression
Business & Economics
64%
High-dimensional Data
Mathematics
61%
Linear regression
Mathematics
61%
Estimator
Business & Economics
52%
ネットワーク
国/地域レベルにおける最近の外部共同研究。点をクリックして詳細を開くか、または
リストから国/地域を選択
詳細を開く
国/地域を選択して、共有出版物とプロジェクトを表示
閉じる
リストから国/地域を選択
研究成果
年別の研究成果
2013
2013
2014
2021
9
Article
1
Comment/debate
年別の研究成果
年別の研究成果
Positive-definite modification of a covariance matrix by minimizing the matrix ℓ
∞
norm with applications to portfolio optimization
Cho, S.
,
Katayama, S.
,
Lim, J.
&
Choi, Y. G.
,
2021 12月
,
In:
AStA Advances in Statistical Analysis.
105
,
4
,
p. 601-627
27 p.
研究成果
:
Article
›
査読
Portfolio Optimization
100%
Matrix Norm
89%
Covariance Matrix
80%
Covariance matrix
74%
Positive definite
66%
Computational and statistical analyses for robust non-convex sparse regularized regression problem
Katayama, S.
,
2019 7月
,
In:
Journal of Statistical Planning and Inference.
201
,
p. 20-31
12 p.
研究成果
:
Article
›
査読
Outliers
100%
Random errors
92%
Linear regression
74%
Outlier
72%
Regression
56%
2
被引用数 (Scopus)
Robust and sparse gaussian graphical modelling under cell-wise contamination
Katayama, S.
,
Fujisawa, H.
&
Drton, M.
,
2018
,
In:
Stat.
7
,
1
, e181.
研究成果
:
Article
›
査読
Graphical Modeling
100%
Robust Methods
86%
Contamination
75%
Matrix
56%
Cell
47%
4
被引用数 (Scopus)
Sparse and robust linear regression: An optimization algorithm and its statistical properties
Katayama, S.
&
Fujisawa, H.
,
2017 7月
,
In:
Statistica Sinica.
27
,
3
,
p. 1243-1264
22 p.
研究成果
:
Article
›
査読
Outliers
100%
Optimization Algorithm
78%
Linear Regression
75%
Linear regression
72%
Outlier
72%
2
被引用数 (Scopus)
A new test on high-dimensional mean vector without any assumption on population covariance matrix
Katayama, S.
&
Kano, Y.
,
2014 12月 17
,
In:
Communications in Statistics - Theory and Methods.
43
,
24
,
p. 5290-5304
15 p.
研究成果
:
Article
›
査読
Covariance matrix
100%
High-dimensional
90%
High-dimensional Data
31%
Equality
21%
Observation
18%
5
被引用数 (Scopus)