本セミナーでは、現在、画像・音声の研究領域で大きな関心を集めている「ディープラーニング」の手法について、その歴史と各種の学習アルゴリズムを概説します。その後、マルチモーダル学習という新しい分野へ応用した我々の最新研究の概要を示した後、ロボットの環境認識と行動学習への応用事例を具体的に紹介します。最後に、リカレントニューラルネットへの展開等、将来の研究動向を議論します。

1. 第1講 神経回路モデル入門
   1. 神経回路モデルの歴史
   2. ニューラルネットワーク基礎
      1. ニューロンモデル
      2. 最急降下法
2. 第2講 DNNの概要とツール
   1. 様々なDNNと学習法
      1. Autoencoder
      2. Convolution Neural Network
      3. 高速化 (Momentum、Dropout、Adagrad、Adam など)
   2. Tensorflow,Chainerなどの概要
   3. 実例:講演者の研究室での事例紹介
3. 第3講 マルチモーダル学習
   1. 様々なモーダル学習
      1. 画像認識の事例
      2. 音声認識の事例
      3. マルチモーダル学習事例
   2. ロボットの行動学習
      1. Deep Q – Learning
      2. End to End Learning
      3. 運動系列学習 (予測と生成) :講演者の実現例
4. 第4講 RNNの概要と時系列処理
   1. 新しいRNNの学習手法と特徴
      1. RNNPB
      2. MTRNN
      3. LSTMなど
   2. RNNを用いたSeq2Seq学習
      1. 音声認識
      2. 翻訳、対話
      3. ロボットの言語と運動の統合学習
5. 第5講 今後の展望
   1. DNNとRNNの統合モデル
   2. 身体性に基づいた知能へ