技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

人工知能 (AI) による最適化解の学習・予測

Zoomを使ったライブ配信セミナー

人工知能 (AI) による最適化解の学習・予測

～深層強化学習のオンライン最適化問題適用など～
オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

開催日

  • 2021年3月8日(月) 10時30分 ～ 16時30分

受講対象者

  • 現実的最適化問題に興味ある方
  • オンライン学習に興味ある方
  • オンライン最適化に興味ある方
  • 深層強化学習に興味ある方
  • 予測アルゴリズムの構築に興味ある方
  • AIによる予測に興味ある方
  • AIに興味ある方

修得知識

  • 従来のオフライン最適化手法の基本知識、応用方法、問題点
  • 現実問題におけるオンライン最適化手法の最先端の知識
  • 予測機能の評価基準、応用効果と注意点

プログラム

　「与えられた制約条件の下で最適な解を求める」最適化問題は我々の生活において欠かせない分野であり、工学、経済、統計、経営などに幅広く応用されています。近年の深層学習の出現で飛躍的に発展してきたAI技術の多くが最適化に立脚しています。これはより良く学習できるモデルを見出すというデータサイエンスの目標と誤差関数を最小化するという最適化手法とが自然に結びつくからです。最適化手法には、いろいろな分類基準がありますが、ここではオフライン最適化とオンライン最適化という基準に従って最適化手法の諸原理を説明します。
　オンライン最適化とは将来のデータを知らずに、将来に正の影響を及ぼす可能性の高い意思決定や最適な方策を下すことです。一方、オフライン最適化とは、現時点までのデータの集合体に基づき最適な意思決定を行うことです。
　現在主流の最適化手法は、ほとんどが現実問題から切り離されたオフライン最適化手法です。本来、現実社会における最適化問題は、対象が普遍的に時間とともに発展していくという特性を考えると、全てオンライン最適化問題として捉えるべきですが、難易度が高いため、オンライン最適化のアルゴリズムの開発は最適化分野においても非常に挑戦的かつ最先端の分野として位置づけられています。
　本セミナーの前半は、従来のオフライン最適化手法である線形計画法、非線形計画法、整数計画と混合整数計画法などをわかりやすく説明し概覧していきます。後半は近年、オンライン最適化問題に取り組んだ深層強化学習のオンライン学習原理と応用の仕組みについてわかりやすく説明します。最後に、配車計画問題 (VRP) およびスマートグリッドの電力のオンライン最適化問題を適応事例として、AIによる最適化解のオンライン学習と予測の最先端機能を検証します。

  1. オフライン最適化の概要
    1. オフライン最適化問題における目的関数と制約
      1. 連続最適化と離散最適化
      2. 広域最適化と局所最適化
    2. オフライン最適化問題における解法
      1. 厳密解法
      2. 近似解法
      3. 発見的解法
  2. オフライン最適化問題
    1. 線形計画問題
      1. 双対性
      2. 解法
    2. 非線形計画問題
      1. 無制限最適化
      2. 制約付き最適化
    3. ネットワーク最適化問題
    4. 整数計画問題と混合整数計画問題
  3. オンライン最適化問題の概要
    1. オンライン最適化問題の基本理論
      1. レンタルスキー問題
      2. リストアクセス問題
      3. 競合比による解析手法
      4. 乱択アルゴリズムの設計
  4. オンライン学習モデル
    1. 学習を考慮したオンラインアルゴリズム
    2. スペシャリストモデル
  5. AIによる最適化アルゴリズム
    1. 深層強化学習の基本原理
    2. オンライン最適化における深層強化学習の応用
    3. 方策勾配法による最適化アルゴリズムの構築
      1. TSP問題の概要と強化学習による定式化
      2. 鍵となる技術アテンション (Attention) の仕組み
        • 自然言語処理を例にする
        • ここでマルチヘッドアテンション (Multi-Head Attention) の仕組みを説明
      3. エンコーダー (Encoder) の仕組み
        • LSTM型とself attention型の説明
        • self attention型の説明の時にグラフアテンションエンコーダーについても説明
        • グラフアテンションエンコーダーの説明時にグラフとノード埋め込みついても説明
      4. デコーダー (Decoder) の仕組み
        • ポインターネットワークについて説明
        • グリンプスについて説明
        • マスキングについて説明
      5. 全体の流れを簡単にまとめた説明
      6. ベースラインの導入と勾配の更新
      7. 予測機能の検証:
        • 同スケール予測
        • ダウンスケール予測
        • アップスケール予測
    • 質疑応答
ページのトップヘ

講師

  • 曽我部 東馬 氏
    電気通信大学 i-パワードエネルギーシステム研究センター 基盤理工学専攻
    教授
ページのトップヘ

主催

株式会社 技術情報協会
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 50,000円 (税別) / 55,000円 (税込)
複数名
: 45,000円 (税別) / 49,500円 (税込)

複数名同時受講割引について

  • 2名様以上でお申込みの場合、1名あたり 45,000円(税別) / 49,500円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 50,000円(税別) / 55,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 90,000円(税別) / 99,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 135,000円(税別) / 148,500円(税込)
  • 同一法人内による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 他の割引は併用できません。

アカデミック割引

  • 1名様あたり 30,000円(税別) / 33,000円(税込)

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

  • 学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院、短期大学、附属病院、高等専門学校および各種学校の教員、生徒
  • 病院などの医療機関・医療関連機関に勤務する医療従事者
  • 文部科学省、経済産業省が設置した独立行政法人に勤務する研究者。理化学研究所、産業技術総合研究所など
  • 公設試験研究機関。地方公共団体に置かれる試験所、研究センター、技術センターなどの機関で、試験研究および企業支援に関する業務に従事する方

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境 と テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • セミナー資料は郵送にて前日までにお送りいたします。
  • 開催まで4営業日を過ぎたお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性がありますこと、ご了承下さい。
    ライブ配信の画面上でスライド資料は表示されますので、セミナー視聴には差し支えございません。
    印刷物は後日お手元に届くことになります。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2026/2/26 AI・ロボットを活用した自律型材料研究開発 オンライン
2026/2/26 マテリアルズインフォマティクスの動向と少ないデータへの適用事例 オンライン
2026/2/27 時系列データ解析の基礎と進め方のポイント オンライン
2026/3/2 マテリアルズインフォマティクスの動向と少ないデータへの適用事例 オンライン
2026/3/10 Pythonを用いた高分子材料の画像解析入門 オンライン
2026/3/10 スペクトル・イメージデータへの機械学習の応用 オンライン
2026/3/13 開発・生産現場で諸課題を解決に導くデータ駆動型手法 / ディープニューラルネットワークモデル / MTシステムの基礎と応用 オンライン
2026/3/16 小規模実験の自動化による研究開発の効率化と再現性向上 オンライン
2026/3/19 AIの選択・精度・効率・構造・コストなどの最適化原理 オンライン
2026/3/26 データ駆動型の化学・材料関連研究の最新動向と小規模データの活かし方 オンライン
2026/3/30 フィジカルAI時代における知能化センシングの基礎と応用 オンライン
2026/3/31 フィジカルAI時代における知能化センシングの基礎と応用 オンライン
2026/3/31 Pythonで学ぶデータ解析・機械学習を理解するための線形代数入門 オンライン
2026/4/10 データ駆動型の化学・材料関連研究の最新動向と小規模データの活かし方 オンライン
2026/4/17 因子ごとの最適条件を少ない実験回数で見つける統計的手法「実験計画法」 & 汎用的インフォマティクス「非線形実験計画法」 オンライン
2026/4/24 統計的組合せ最適化 : 実験計画法とプログラミング不要のAIを使った汎用的インフォマティクス : 非線形実験計画法実践入門 オンライン
ページのトップヘ