深層学習で作る深層神経回路の入力と出力に用いる情報は、入力・出力ともに、学習時・運用時 (テスト時) の両方で使えることが大前提となっています。学習のときに利用できても、肝心の運用時に使えない情報は学習に使いようがありません。そのような情報の例としては、計測が高コストな情報、製品の開発版には搭載されているが市販版には搭載されないセンサの情報、物理的に利用できない情報 (未来情報など) などがある。
　ところが、そのような情報を有効に学習して出力の精度を高めることができる画期的な深層学習法が日本 (横浜国立大学) で開発されました。この手法は、浸透学習法 (PLM:Percolative Learning Method) と呼ばれる手法であり、既に日本と米国の特許となっています。
　ここでは、この夢のような深層学習法の原理と応用について、発明者である講師が紹介します。ぜひ業務でのご利用をご検討頂ければ幸いです。本セミナーは浸透学習法に特化した日本初のセミナーです。多くの方々の御参加を期待しています。

1. 序論
   1. 人工知能と機械学習
   2. 神経回路網と深層学習
   3. 関連する技術の紹介
2. 浸透学習法の原理
   1. 基礎となる考え方
   2. 基本構造と学習アルゴリズム
   3. 浸透学習法の応用分野
3. 浸透学習法の応用
   1. 浸透学習法によるデータ分類・回帰
   2. 浸透学習法によるマルチモーダル認識
   3. 浸透学習法による時系列予測
   4. 浸透学習法における逐次補助情報追加
   5. 浸透学習法による入力変数最適化
4. まとめと今後の課題