本セミナーでは深層学習 (Deep Learning) の一種である敵対的生成モデル (Generative Adversarial Networks) について解説します。当該モデルは、あたかも写真のようにリアルな (フォトリアリスティックな) 画像の生成が可能であり、画像処理や情報可視化の分野で注目されています。また利用可能なラベル情報が非常に少ない (半教師あり) 、あるいは全くない (教師なし) 分類問題や検出問題に対して、通常のDeepLearningよりも遥かに有効であることが知られています。機械学習を実問題に応用しようとすると、教師あり学習そのままでは当てはまらない状況や、出力結果を可視化して解釈する必要が現れるでしょう。
　本セミナーでは、通常のDeep Learningとの比較や実問題への応用法を含め、敵対的生成モデルについて詳しく解説します。

1. 識別モデルとしてのDeep Learning
   1. feedforward networkによる教師あり学習
   2. 特徴抽出器としてのfeedforward network
   3. feedforward networkの限界
2. 生成モデルとしてのDeep Learning
   1. 自己符号化器 (autoencoder) による教師なし学習と半教師あり学習
   2. 変分ベイズ自己符号化器 (Variational autoencoder) への拡張
   3. 画像処理と可視化への応用
   4. 自己符号化器の限界
3. 敵対的生成モデル (Generative Adversarial Networks)
   1. 基本構造と学習アルゴリズム
   2. GANの応用例
   3. GANの考え方と強み
   4. GANの拡張法と今後の展望