近年、ディープラーニングによる画像認識は目覚ましい発展を遂げており、これらの成果は実利用の段階に入った。工場などの生産現場では、古くから画像認識による外観検査や異常検知が導入されているが、これらにディープラーニングを導入することで飛躍的な精度の向上を行った事例が報告されつつある。
　一方で、ディープラーニングを外観検査に応用する場合には、外観検査、異常検知ゆえの問題がある。そこで、近年では大量の正常サンプルからニューラルネットワークによって正常状態モデルを生成し、その正常状態を基として未知サンプルの異常度を算出する手法が用いられる.その代表的なモデルとして、AutoencoderやGenerative Adversarial Networks (GANs) による異常検知手法について紹介する。
　合わせて、ディープラーニングにつながるニューラルネットワークの基礎から、異常検知の考え方、応用事例まで広く講演を行う。

1. 特徴量と特徴空間
   1. 特徴量とは
   2. 特徴空間
   3. クラスの概念
2. 識別問題
   1. 識別問題とは
   2. 線形識別法
3. ニューラルネットワークの基礎
   1. 単純パーセプトロン
   2. 3層ニューラルネットワーク
4. 畳み込みニューラルネットワーク
   1. 畳み込みニューラルネットワークの基礎
   2. Alex NetとVGG Net
   3. ResNe
5. オートエンコーダ
   1. オートエンコーダの基礎
   2. 畳み込みオートエンコーダ
6. Generative Adversarial Networks
   1. GANの基礎
7. ディープラーニングによる異常検知
   1. オートエンコーダの復元による異常検知
   2. オートエンコーダの潜在空間を利用した異常検知
   3. 復元と潜在空間を利用した異常検知
   4. GANによる異常検知
8. ディープラーニングによる異常検知による実例と諸問題