tech-seminar.jp

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つの応用例を紹介いたします。

　製造業において機械学習を適用しようという試みは至る所で行われているが、実際の現場で有効に機械学習がうまくいっている事例はそれほど多くない。
　本セミナーでは、機械学習の得意不得意や限界を知り、使いこなすためのコツを事例を交えながら感覚がつかめるようにする。また、高品質な製品を開発する工程を短縮する最適実験計画への機械学習適用についても紹介する。

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。

本セミナーでは、マテリアルズ・インフォマティクスを活用して最適かつ効率よく材料を開発するための手法、設計技術を詳解いたします。

　本セミナーでは、時系列データを対象にし、データの個性を定量化する統計的指標や、数式として表現する時系列モデルを多数紹介いたします。更に、応用として「将来予測」や「異常検知」に着眼し、より高度な機械学習モデルを取り入れつつ、実務への応用をサポートいたします。

本セミナーでは、カルマンフィルタの基礎理論について詳細に解説します。センシング、制御、あるいは機械学習などのAI の分野とカルマンフィルタの関係についても述べます。できれば、古典制御や現代制御、確率過程などの知識をお持ちの方が望ましいですが、高等学校の数学の知識があれば、本セミナーを理解できるようにお話ししたいと考えています。
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。
つづいて、非線形カルマンフィルタの考え方を簡単に述べます。最後に、カルマンフィルタを利用する上で重要である時系列データのモデリングについてもお話しします。

本セミナーでは、化学反応予測・反応条件最適化のための機械学習技術の適用を目指し、機械学習の基礎および事例を解説いたします。