化学品の市場調査、研究開発の支援、マーケット情報の出版

トリケップスセミナー

     開催日時:2017年5月11日(木)10:30~16:30
     会  場:オームビル  → 会場へのアクセス 
          〒101-8460 東京都千代田区神田錦町3-1
     参 加 費:お1人様受講の場合 47,000円 (税別/1名)
          1口(1社3名まで受講可能)でお申し込みの場合 57,000円 (税別/1口)

講 師

速水 悟 (ハヤミズ サトル)氏 
岐阜大学 工学部 電気電子・情報工学科 情報コース 教授(博士(工学)) 併任 大学院工学研究科 教授

<略歴、等>
 1981年 東京大学大学院 工学系研究科 修士課程修了。
 同 年 通商産業省工業技術院 電子技術総合研究所(現、国立研究開発法人産業技術総合研究所)。
 1989年 カーネギーメロン大学 客員研究員。
 1994年 フランス国立科学研究院 機械情報学研究所 客員研究員。
 2002年 岐阜大学 教授。
  現在に至る。

<研究分野>
 人間情報学 / 知覚情報処理 / 知覚情報処理・知能ロボティクス(音声・音楽情報処理)。

セミナーの概要

 本セミナーでは、エンジニア向けに機械学習による時系列のモデル化の基本的な手法を説明します。また、時系列のモデル化への深層学習の利用として、再帰型ネットワーク、LSTM(長・短期記憶)、注意型ネットワークについて解説します。Pythonの機械学習への適用方法を説明し、フレームワークとして、TensorFlowと Kerasを使用した実装例を紹介します。

講義項目

 1 機械学習による時系列のモデル化
  1.1 異常検知と予測
  1.2 回帰モデルを用いた予測
  1.3 線形予測モデルによる時系列解析
  1.4 隠れマルコフモデルによる状態遷移の推定

 2 深層学習による時系列のモデル化
  2.1 順伝播型ネットワーク
  2.2 誤差逆伝播法によるパラメータ推定
  2.3 畳込みネット(CNN)による画像の識別
  2.4 再帰型ネット(RNN)による時系列の予測
  2.5 長・短期記憶(LSTM)におけるゲートの役割
  2.6 注意型ネット(Attention)による変換(翻訳)
  2.7 コネクショニスト時系列分類法(CTC)
  2.8 時系列のモデル化におけるend-to-end アプローチ

 3 時系列モデルへの深層学習の適用
  3.1 深層学習の組み合わせによる読唇
  3.2 深層学習の混合音解析への適用

 4 Pythonによる実装
  4.1 Pythonの解説と回帰モデルの実装
  4.2 フレームワークとしてのTensorFlowとKeras
  4.3 フレームワークによる再帰型ネットワークの実装