本セミナーでは、深層学習による時系列モデルの基本的な手法と最新の研究事例を解説します。モデルとして、再帰型ネットワーク、LSTM (長・短期記憶) 、注意機構、コネクショニスト時系列分類法、生成モデルと時系列への適用について解説します。技術動向として、動画像、音響信号、振動データへの適用を中心に、最新の研究事例を紹介します。

1. 時系列のモデル化
   1. 教師なし学習における特徴抽出と次元削減
   2. 時系列を対象とする識別モデルの作成方法
   3. 時系列モデル化と異常検知への適用
2. 深層学習による時系列のモデル化
   1. 再帰型ネットワーク (RNN) の構成
   2. 長・短期記憶 (LSTM) とゲート付き再帰型モデル
   3. 系列変換モデルによる時系列の変換
   4. 注意機構 (Attention) とTransformer
   5. コネクショニスト時系列分類法 (CTC)
   6. 生成モデルの時系列への適用
3. 深層学習の適用事例
   1. 注意機構の動画像認識への応用
   2. 時系列モデルの活用事例と留意点
      • その他、最新の研究事例を紹介します。