tech-seminar.jp

　機械学習、ディープラーニングの概要を解説します。また、Chainerを利用したサンプルプログラムを解説しながら、実際のデータをどう扱うかも解説します。サンプルは、【画像分類 (CNNによる分類) 】、【音による異常検知 (正常時の音からモデルを作成し、音の変化で異常発生を検知します) 】、【強化学習】を用意します。

本セミナーでは、深層学習による時系列モデルの基本的な手法と最新の研究事例を解説いたします。
モデルとして、再帰型ネットワーク、LSTM (長・短期記憶) 、注意型ネットワーク、コネクショニスト時系列分類法、敵対的生成モデル (GAN) とその時系列への適用について解説いたします。

本セミナーでは、進化的機械学習による機械知能の構築と応用について詳解いたします。

本セミナーでは、エンジニアリングに適した人工知能技術であるニューラルネットワークモデルとMTシステムに関して、製造業における具体的な事例を用いて解説いたします。

　自動車産業をはじめとして、さまざまな産業界でモデルベース開発の重要性が認識されてきました。本セミナーでは、究極のモデルベースアプローチであり、センシング、制御、あるいは機械学習などのAI の分野と密接な関係をもつカルマンフィルタについて述べます。特に、カルマンフィルタの実践を目指すユーザを対象として、カルマンフィルタを利用する上で有益な情報を提供することを目的とします。
　本セミナーでは、カルマンフィルタの基礎理論について、一度は勉強したことがある方を対象にします、したがって、時系列データの状態空間表現や線形カルマンフィルタのアルゴリズムについてはある程度の知識があることを前提とします。
　本セミナーでは、まず、線形カルマンフィルタのアルゴリズムを紹介し、数値例を通してカルマンフィルタの仕組みについて学習します。続いて、代表的な非線形カルマンフィルタである拡張カルマンフィルタ (EKF) と無香料カルマンフィルタ (UKF) のアルゴリズムを説明し、非線形カルマンフィルタを用いた状態とパラメータの同時推定を導入します。また、カルマンフィルタの数値的不安定性について述べ、その問題点に対処するUD分解フィルタを導入します。さらに、カルマンフィルタの2つの応用例を紹介します。時間があれば、ロバストフィルタの考え方について紹介したいと思います。

本セミナーでは、予防安全技術の歴史やロードマップを基にして、ドライバ状態検出技術の最新研究開発動向および将来の展望について詳細に解説いたします。
また、ドライバ状態を検出するに当たって活用が期待される統計科学的手法、機械学習の手法について解説いたします。