1. 現在までに日本を代表する資本金800億円から4000億円の大手電機メーカー研究所、制御機器メーカー研究所、電装部品メーカー研究所、IT会社と多数の委託研究を行った実績があり日本・米国において特許も成立。

2. 現在、6大学の医学部と肝臓病および腎臓病の早期発見などについての共同研究発表をしている。他に心臓血管外科学、産婦人科学領域についても共同研究が進行中。

3. 最近の研究成果:ディープラーニングで最も有名なDBNおよびCNNを用い学習して、分類できる理由を簡潔なルールを用いて表現する方式を確立しています。上記の成果はディープラーニングの最大の欠点であるブラックボックス性の解消に成功したと言えます。

4. 現在はディープラーニングの医学への応用に付いてのEUの一般データ保護規則(GDPR)との関連で厳しい指摘が増えつつある医用画像・病理学画像について医学領域のデータの特殊性を活用した全く新しいディープラーニングによる人工知能技術の開発を推進しています。

上記の研究成果は与えられたデータに対して統計的な仮定を置かずに入力データと出力クラス（ラベル）の間にどの様な（数学的な非線形の）関係があるかをIf—Then形式の簡潔なルールで表現できるため画像に限らず様々な産業応用が可能です。例えば、(a)自動運転車の走行特性の向上、(b)化学プラント・発電プラントにおける複雑な異常検出規則の導出による安全操業の実現、(c)ネットユーザーから得られるダイナミックなデータを解析しタイムリーに効果的にセグメントを絞ったマーケティング戦略など他業種・多用途に対して応用が可能です。

現在、ディープラーニングが不可欠ではない対象に対しても分類・識別を長時間の学習を要するディープラーニングで行っています。ディープラーニングは高い精度を達成できる一方で説明能力について十分な研究が行われていません。人工知能研究室が開発したディープラーニングによる学習結果をルール表現で説明する方式は入力と出力が与えられる全てのディープラーニング(CNN, DBNなど)に対して適用できるので高い汎用性があります。結果的に様々なブラックボックス性をもつデータ解析を短時間で行えるだけでなく、ルール表現を用いて学習されている内容の理解を大幅に向上できます。

　研究成果に係わる委託研究、コンサルティング、技術調査、講演依頼などをご検討戴ける企業の方はメール(hayashiy(AT)cs.meiji.ac.jp)でコンタクトして戴ければと思います。なお、私からの発信はメールアドレスがhayashiyg(AT)gmail.comに統一されております。これは正式なアドレスです。
　電話によるコンタクトを希望される方は本学生田キャンパス代表044-934-7171から理工学部情報科学科の林にご連絡をお願い致します。

　上記のご相談は必ずしも情報科学・人工知能の学術成果に結びつく内容ばかりでなく、実用上の問題点・技術課題を解決する理工学全般の委託研究契約を含みます。相談内容に関する秘密義務は厳守致します。なお、委託内容が固まれば委託研究契約の事務的作業については実質一ヶ月で契約締結できます。

　他大学の方からの共同研究については医用画像の解析による医学分野に限らず、生化学検査などの数値データの人工知能を用いた解析についてご相談もお受けしており、研究成果を科学研究費への応募に発展させています。