tech-seminar.jp

本セミナーでは、ディープラーニングの手法について、その歴史と各種の学習アルゴリズムを概説します。その後、マルチモーダル学習という新しい分野へ応用した我々の最新研究の概要、ロボットの環境認識と行動学習への応用事例、最後に、リカレントニューラルネットへの展開等、将来の研究動向を議論します。

　機械学習・ディープラーニング・人工知能技術の流行により、自社で埋もれている大量のデータやビッグデータを、機械学習を用いて業務に役立てることができるのでは、と考える方が急増しています。
　機械学習・ディープラーニングについてはさまざまな書籍が刊行され、オープンソースのライブラリも充実してきています。これらの書籍を参照し、ライブラリを利用することで、誰でも簡単に機械学習を利用したデータ分析を行うことが可能となりました。
　しかし、機械学習のアルゴリズム自体は書籍を参照しライブラリを利用することができても、実際にデータをどう扱って処理し、活かしていけばよいかわからない、という声も聞かれ、関連の情報も不足しているように見受けられます。データの前処理や分析の正しいやり方・手順を理解していなければ、質の高い分析結果を得ることができないだけでなく、誤った判断を下してしまう危険性もあります。
　また、機械学習の急速な進展からか、誤った方法による分析結果が提出されることも多く、受け取る側の方でも正しい評価指標によりそれを判断することが求められます。
　本セミナーでは、データ分析の正しいやり方・手順を学び、自分自身でデータ分析を行えるようになること、または他者のデータ分析結果を評価できるようになることを目指します。

　近年、高エネルギー蓄積デバイスとしてリチウムイオン蓄電池が注目されているが、温度特性や劣化特性の把握が難しいなど、効果的なバッテリーマネジメント手法が求められている。
　本セミナーでは、蓄電池やスマートグリッド関連の初学者、若手技術者を対象に、リチウムイオン蓄電池の基本特性と、そのモデル化手法を理解し、効果的な残量予測や劣化予測に関する基本的な方法を習得することを目的とする。蓄電池残量に関しては、モデル化とカルマンフィルタ手法を中心に概説し、蓄電池の温度特性や劣化特性も含めて正しく測定するための手法とマイコンを使った実装例をお話しする。理解を深めるためにExcelを用いた簡単な演習も行う。また、蓄電池劣化に関しても、基本的な、劣化のメカニズムを理解した上で、その測定方法と抑制方法について紹介する。また、組電池のバランス制御など、残量、劣化の扱いについて説明する。

本セミナーでは、何も無い空間に映像を浮かべたり、絵や文字を書き込んだりできる新しいディスプレイ技術とその応用、市場性について解説いたします。

本セミナーでは、歩行者検出、外界認識、膨大な演算量の処理など、自動車への人工知能応用の最新動向について解説いたします。

本セミナーでは、データ分析の正しいやり方・手順を学び、自分自身で正しくデータ分析を行えるようになること、データ分析結果を正しく評価できるようになることを目指します。

本セミナーでは、画像フィルタリングについて基礎から解説し、MATLABを併用して実際にアルゴリズムを提示、実行し、結果を確認しながら、解説を進めます。

本セミナーでは、画像認識問題を題材に、Deep Learning及び、Deep Learningのプログラミングについて解説いたします。