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

グラフニューラルネットワーク入門

グラフニューラルネットワーク入門

～GNN:Graph Neural Networks～
オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

概要

本セミナーでは、グラフニューラルネットワークの基本的な知識およびいくつかの研究事例について紹介するとともに、今後の学習のための情報源などについても解説いたします。

開催日

  • 2021年7月28日(水) 10時30分 ～ 16時30分

修得知識

  • グラフニューラルネットワークの基礎知識
  • グラフニューラルネットワークの応用
  • 今後の学習のための情報源

プログラム

　深層学習は、画像認識や自然言語処理などの分野において華々しい成果を収めてきており、それをグラフに対して適用するための研究が近年非常に盛んになってきている。グラフやグラフ中の頂点を高精度に分類することができれば、高度な画像認識、推薦システム、交通量予測、化合物分類などへの応用が期待できる。その一方で、グラフを扱う上での固有の問題やチャレンジがあることも指摘されてきている。
　本セミナーでは、グラフニューラルネットワークの基本的な知識およびいくつかの研究事例について紹介するとともに、今後の学習のための情報源などについても述べる。

  1. イントロダクション
    1. 畳み込みニューラルネットワーク
    2. グラフの深層学習
    3. グラフを対象としたタスク
  2. グラフニューラルネットワークの応用
    1. 画像認識、推薦システム、交通量予測、化合物分類
    2. COVID-19とグラフニューラルネットワーク
  3. グラフエンベディング
    1. エンベディング
    2. DeepWalk
    3. LINE
  4. Spectral Graph Convolution
    1. グラフ畳み込みのアプローチ
    2. グラフラプラシアン
    3. グラフフーリエ変換
    4. ChebNet
    5. GCN
  5. Spatial Graph Convolution
    1. PATCHY – SAN
    2. DCNN
    3. GraphSAGE
  6. 最近のトピックス
    1. Attention、GAT
    2. GraphRNN
    3. 単純化
    4. 可能性・限界の考察
    5. 説明可能性
  7. 今後の課題
    1. 浅い構造
    2. 動的グラフ
    3. 非構造データ
    4. スケーラビリティ
  8. Pytorchによる実装
    1. 深層学習ライブラリ
    2. Pytorch
    3. Pytorch Geometric
    4. Open Graph Benchmark
  9. 今後の学習のための情報源
    1. サーベイ論文、書籍
    2. Web上の情報源
    3. チュートリアル
ページのトップヘ

講師

ページのトップヘ

主催

株式会社 トリケップス
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
: 47,000円 (税別) / 51,700円 (税込)
1口
: 57,000円 (税別) / 62,700円 (税込) (3名まで受講可)

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境 と テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • セミナー資料は郵送にて前日までにお送りいたします。
  • 開催まで4営業日を過ぎたお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性がありますこと、ご了承下さい。
    ライブ配信の画面上でスライド資料は表示されますので、セミナー視聴には差し支えございません。
    印刷物は後日お手元に届くことになります。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2025/12/4 自動運転を支えるセンサフュージョンの最前線 : LiDARが拓く未来 オンライン
2025/12/4 反応装置・プロセス設計の基本とExcel、Pythonの活用 オンライン
2025/12/4 AIモデルのコンパクト化技術とその動向 オンライン
2025/12/5 スモールデータ解析の方法と実問題解決への応用 オンライン
2025/12/5 少ないデータでも使える機械学習・異常検知の基礎とインフラ・製造分野への応用 オンライン
2025/12/8 少ないデータでも使える機械学習・異常検知の基礎とインフラ・製造分野への応用 オンライン
2025/12/9 カルマンフィルタの実践 オンライン
2025/12/10 AI特許調査ツールの選定基準と導入、運用のポイント オンライン
2025/12/11 AI特許調査ツールの選定基準と導入、運用のポイント オンライン
2025/12/12 マテリアルズ・インフォマティクスのための実験データ統合、一元化とデータベースの構築、効果的な活用法 オンライン
2025/12/16 第3世代のニューラルネットワーク "Spiking Neural Networks" の基礎と未来 オンライン
2025/12/16 ChatGPT・Pythonを活用した業務効率化・自動化のポイント オンライン
2025/12/17 ディジタル信号処理による雑音・ノイズの低減/除去技術とその応用実例 オンライン
2025/12/17 ChatGPT・Pythonを活用した業務効率化・自動化のポイント オンライン
2025/12/18 粉体・流体シミュレーションと機械学習による濾過プロセスの最適化 オンライン
2025/12/19 第3世代のニューラルネットワーク "Spiking Neural Networks" の基礎と未来 オンライン
2025/12/19 粉体・流体シミュレーションと機械学習による濾過プロセスの最適化 オンライン
2025/12/19 未知の異常も検知する製造業向け人工知能技術MTシステムの基礎および適用事例 オンライン
2025/12/22 Python機械学習 2日間セミナー (入門編 + 応用編) オンライン
2025/12/22 Pythonではじめる機械学習入門講座 オンライン
ページのトップヘ

関連する出版物

発行年月
2025/6/30 皮膚の測定評価と可視化、イメージング技術
2025/6/23 防犯・監視カメラ〔2025年版〕 技術開発実態分析調査報告書 (CD-ROM版)
2025/6/23 防犯・監視カメラ〔2025年版〕 技術開発実態分析調査報告書 (書籍版)
2024/10/31 少ないデータによるAI・機械学習の進め方と精度向上、説明可能なAIの開発
2024/4/8 画像認識技術・システム 技術開発実態分析調査報告書
2024/4/8 画像認識技術・システム 技術開発実態分析調査報告書 (CD-ROM版)
2023/6/30 生産プロセスにおけるIoT、ローカル5Gの活用
2022/12/31 機械学習・ディープラーニングによる "異常検知" 技術と活用事例集
2021/10/25 AIプロセッサー (CD-ROM版)
2021/10/25 AIプロセッサー
2021/7/30 マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例
2021/7/14 AIビジネスのブレークスルーと規制強化
2021/6/30 人工知能を用いた五感・認知機能の可視化とメカニズム解明
2021/6/28 AI・MI・計算科学を活用した蓄電池研究開発動向
2020/8/11 化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート
2020/7/31 生体情報センシングと人の状態推定への応用
2020/4/30 生体情報計測による感情の可視化技術
2020/3/26 ビッグデータ・AIの利活用に伴う法的留意点
2019/1/31 センサフュージョン技術の開発と応用事例
2018/5/31 “人工知能”の導入による生産性、効率性の向上、新製品開発への活用
ページのトップヘ