ディープラーニング手法は、画像認識や音声認識の分野では前人未到の識別精度を達成し、将来の有望技術として脚光を浴びている。これらの成功事例を受け近年、ディープラーニング手法は製造加工業界の様々な分野に応用され、新たな解析手法として研究されている。
　本セミナーでは、製造加工業の中でも特に品質検査 (表面・外観検査) 、故障診断と欠陥予知という三つの分野に応用した最新鋭のディープラーニング技術を紹介する。内容として、応用事例を取り上げながら、解析手法の原理、解析手法の解析プロセス詳細そして検証結果という流れで、説明と議論を重ね展開していく。

1. はじめに
   1. 従来の機械学習の原理と手法を簡潔にわかりやすく説明
      • サポートベクトルマシン (SVM)
      • 主成分分析PCA/t-SNE/トポロジーデータ解析法 (TDA)
      • 競合学習・SOM・K-NN・EMアルゴリズムの原理と相互関連性
      • Extreme Learning machine手法の紹介
      • RNNとRNN-LSTMのわかりやすい説明
      • ベイズ原理からカルマンフィルターをわかりやすく説明
      • ベイズ原理から粒子フィルターをわかりやすく説明
   2. 各ディープラーニングの手法の紹介と原理を簡潔にわかりやすく説明
      • 畳み込みニューラルネットワーク (CNN)
      • 自己符号化器 (AE)
      • RBMとRBM-DBNの紹介
   3. 異常検知の考え方や手法の選択・適用のポイント等をわかりやすく説明
      • 異常検知の考え方
      • 異常検知への各手法の選択法
      • 異常検知への適用の際のポイントと留意点
2. 品質検査 (表面・外観検査) におけるディープラーニングの手法の応用
   1. 最新技術と手法及び応用事例の紹介
      • 熱間圧延ストリップ鋼表面解析
      • 溶接欠陥解析
      • 航空機ファンプレート用チタン合金表面
   2. CNNに基づく転移学習の紹介
   3. 転移学習を用いたCNN学習モデルによる表面・外観検査の学習結果の解析
   4. 従来の機械学習手法の解析結果との比較
3. 故障評価のための診断解析
   1. 技術の背景及び応用事例の紹介
      • 軸受故障解析
      • 変速機故障解析
      • 回転子故障解析
   2. CNNによる特徴抽出と故障診断
   3. AEによる故障診断
   4. Extreme Learning machine深層学習手法
   5. スパースフィルタリングによる故障診断
   6. RBM-DBNとSVMを融合したマルチモーダル手法
4. 欠陥・寿命予測解析手法
   1. LSTM-RNNによる欠陥予測
   2. 融合学習とLSTMの融合による予測
   3. 双方向LSTMとCNNの融合による予測
   4. 粒子フィルターとRBM-DBNの融合による予測
   5. 欠陥・寿命予測解析応用事例
      • 転がり軸受長期寿命予測
      • 機械加工における工具摩耗寿命予測
      • ハイブリッド玉軸受寿命予測
5. 展望
   1. 学習モデル選択
   2. データの高次元性・非構造多様性・不均衡性の対策
   3. 学習結果の可読性と可視化
• 質疑応答