本セミナーでは現場で起きている課題を有する実務者や研究開発者を対象に、少ないデータでも有効な機械学習サポートベクターマシンの基礎を、微分の知識があれば理解できるようにきるだけ簡単に紹介し、実務へのサポートベクターマシン利用の判断ができるようになることを目的としています。

1. パターン認識の概要
   1. パターン認識とは
   2. パターン認識で何ができるのか?
   3. 多変量解析に基づくパターン認識の手法
      1. マハラノビス距離
      2. 線形判別分析
   4. 機械学習に基づくパターン認識の手法
      1. k-近傍法
      2. ニューラルネットワーク
      3. RBFネットワーク
      4. サポートベクターマシン (SVM)
2. サポートベクターマシンの基礎
   1. 線形SVM
      1. 線形SVMとは
      2. 簡単な定式化
      3. ハードマージン
      4. データに誤りがある場合のサポートベクターマシン
      5. ソフトマージン
   2. 非線形SVM
      1. 非線形SVMとは
      2. 簡単な定式化
      3. カーネル関数
      4. カーネルトリック
   3. クラス (正常データしかない場合の) サポートベクターマシンの基礎
   4. Support Vector Data Description
   5. One-Class Support Vector Machine
3. サポートベクターマシンの適用例
   1. さび画像へのパターン認識適用による劣化度判定と設備診断事例紹介
   2. 非侵入型モニタリングシステムの事例紹介
   3. 油中ガス分析データに基づく電力用変圧器の内部不具合診断事例紹介
   4. 水力発電所における異常予兆発見支援への適用事例紹介
• 質疑応答