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

スパース性を用いた機械学習手法

スパース性を用いた機械学習手法

東京都 開催

概要

本セミナーでは、スパース学習の基礎から解説し、スパース学習が有効な統計モデル、スパース学習手法、応用事例、効率的な最適化手法について詳解いたします。

開催日

  • 2017年3月29日(水) 11時00分 16時00分

受講対象者

  • 機械学習で課題を抱えている方
  • 機械学習の応用分野に関連する技術者、研究者
    • 画像処理
    • 信号処理
    • 医療福祉
    • スポーツ分野
    • セキュリティ (監視カメラ、警備、防犯)
    • ロボット
    • コンピュータビジョン
    • 異常行動検出、異常領域検出
    • 統計
    • 経済学 など
  • 機械学習、パターン認識分野の技術者、研究者
  • これから機械学習、パターン認識に携わる技術者、開発者

修得知識

  • スパース学習の基礎
  • スパース学習が有効な統計モデル
  • スパース学習の手法
  • スパース学習の応用事例
  • スパース学習の効率的な最適化手法

プログラム

 機械学習の応用において、画像や遺伝子データといった高次元データは頻繁に現れ、その重要性は高い。高次元データ解析には、データの含む不必要な情報に学習結果が影響され、過学習を引き起こしやすいという難しさがある。このような問題を回避する有効な方法として「スパース学習」がある。スパース学習は、データの本質的に意味のある情報の低次元性 (スパース性) を利用し、目的に関係ない情報を削除しながら学習をする方法である。
 本講義では、スパース学習の全体像を概略的に説明する。まず、スパース学習が有効な統計モデルを紹介し、その上でどのようなスパース学習手法があるかを解説する。そして、その統計理論や、画像処理などのいくつかの応用も紹介する。さらに、スパース学習を実現させる計算手法として、効率的な最適化手法も講義する。

  1. 特徴選択の問題
  2. 各種正則化学習法
    1. L1正則化
    2. グループ正則化
    3. トレースノルム正則化
    4. 階層的正則化
    5. グラフ型正則化
  3. 各種正則化に対応するスパース性
  4. スパース学習の統計的学習理論
  5. スパース学習を用いた高次元データの統計的検定手法
  6. 画像処理とスムージング
  7. 正則化学習法の最適化手法
    1. 近接勾配法
    2. 確率的勾配降下法
    3. 確率的座標降下法
    4. 確率的分散縮小勾配法

講師

  • 鈴木 大慈
    東京工業大学 情報理工学研究科 数理・計算科学専攻
    准教授

会場

オームビル
東京都 千代田区 神田錦町3-1
オームビルの地図

主催

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
: 46,000円 (税別) / 49,680円 (税込)
1口
: 57,000円 (税別) / 61,560円 (税込) (3名まで受講可)
本セミナーは終了いたしました。

これから開催される関連セミナー

開始日時
2017/5/11 機械学習による時系列のモデル化と深層学習の適用 東京都
2017/5/11 Chainerを利用した DeepLearningプログラムの基礎と実際 東京都
2017/5/18 センサIoT接続とクラウドによる可視化と解析 東京都
2017/5/18 ディープラーニングの実務導入セミナー 東京都
2017/5/19 非臨床試験の計画とデータ解析のための統計手法 東京都
2017/5/19 機械学習を用いたパターン認識の基本と性能予測/性能比較手法および事例解説 東京都
2017/5/19 機械学習の画像認識への応用 東京都
2017/5/19 劣モジュラ最適化と機械学習、及びその応用 東京都
2017/5/19 人工知能技術の基礎と応用 東京都
2017/5/22 品質年次照査で求められる統計解析とその見える化 東京都
2017/5/23 科学技術計算のためのPython 東京都
2017/5/25 ユーザの嗜好性を探る感性データマイニング 東京都
2017/5/25 ディープラーニングの基礎と実践 東京都
2017/5/25 ディープラーニングを用いた画像技術応用 東京都
2017/5/25 分析法バリデーションの室内再現精度と分散分析 東京都
2017/5/26 ディープラーニングとウェアラブルバイタルセンサを用いたココロの可視化 東京都
2017/5/30 Pythonによる機械学習・パターン認識とディープラーニングへの応用 東京都
2017/6/2 機械学習の画像認識への応用 東京都
2017/6/6 統計的機械学習から進化的機械学習へ 東京都
2017/6/8 ディジタル信号処理 (DSP) と人工知能 (AI) 技術 東京都