深層学習の登場から約10年が経ち、今その発展は継続されています。一方で、問題点や限界もわかったきたことで、これからは同じ、あるいは類似する“学習”をアルゴリズムとする、適応フィルタとの使い分けが必要とされると考えられます。そこで、この2つの概念、深層学習と適応フィルタを別々に整理し、それぞれの長所短所を明らかにしながら、実際の応用における”うまい使い分け”について解説を試みることにします。
　本セミナーでは、内容の理解を深めて頂くことを前提に、まず人工知能 (AI) について網羅的に解説します。ここまでのAIの歴史について概観しながら、その性質について特に得意・不得意とするものを、例を用いて示します。そして、AIをニューラルネットワークと捉え、これまでのニューラルネットワークの技術的な進展を説明します。その進展の中で、今日使われる技術のポイントになったものを、応用面から捉え、大きく通信と音 (特には音声) への利用例として紹介します。
　続いて、適応フィルタについて解説します。1つの技術を紹介することに限定せず、複数の有力な適応処理方法の紹介を心がけます。また、具体的な応用例を紹介します。そして、特に音と通信への応用を取り上げ、ニューラルネットワークと適応フィルタの利用の仕方を解説し、双方の利用の仕方と得られる結果の違い、長所・短所を示します。さらに、音声強調問題において、深層学習の最先端研究事例を示しながら、適応フィルタとの処理方法との違いを明らかにし、比較検討を行います。これまでの深層ニューラルネットワークと適応フィルタの研究を振り返り、今現在で言えること、そして今後の研究テーマとして考えられることにまで言及する予定です。

1. AIとは
   1. 人工知能の広がり
   2. 人工知能と得意・不得意
   3. アンドロイド
   4. 生成AI
2. ニューラルネットワークの概念
   1. 神経細胞
   2. 発火
   3. 脳処理
   4. 人工ニューラルネットワーク
3. ニューラルネットワークの進展
   1. Adaline
   2. 多層パーセプトロン
   3. 深層ニューラルネットワークム
   4. 線形予測係数
4. 学習方法
   1. 教師あり学習
   2. 半教師あり学習
   3. 教師なし学習
5. 適応フィルタ
   1. LMSアルゴリズム
   2. 最急降下法
   3. 最適解
   4. ウィナーフィルタ
6. 適応アルゴルズム
   1. LMSアルゴリズムの改良
   2. RLS
   3. RLSの改良
   4. アフィン射影 等
7. 適応フィルタの応用
   1. エコーキャンセラ
   2. ノイズキャンセラ
   3. 信号強調器 等
8. 通信路等化
   1. 通信路等化の概念
   2. トレーニングとトラッキング
   3. 非線形通信路等化
      • 多層パーセプトロン
      • ラジアル基底関数 等
9. 音への利用
   1. 気導音声と骨導音声
   2. 骨導音声の品質改善
      • 骨導・気導変換 等
10. 音声強調
    1. 深層学習を用いる先端研究
    2. 適応フィルタを用いる先端研究
11. まとめ