～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～
1口（1社3名まで受講可能）でのお申込は 受講料 66,000円（税込）/1口 が格安となります。
☆☆☆ Web配信セミナー ☆☆☆
☆☆☆ 本セミナーは、Zoomを使用して、行います。☆☆☆
トリケップスセミナー
開催日時：2024年11月20日（水）10:00～16:30
参 加 費：お1人様受講の場合 53,900円（税込/1名）
1口（1社3名まで受講可能）でお申し込みの場合 66,000円（税込/1口）
★ 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
★ インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
★ 受講中の録音・撮影等は固くお断りいたします。
講 師
島村 徹也（しまむらてつや）氏
埼玉大学大学院 理工学研究科 数理電子情報部門 教授（工学博士）
＜経歴＞
1986年 慶應義塾大学 理工学部 卒業。
1991年 慶應義塾大学大学院 理工学研究科 博士課程修了、工学博士。
1991年 埼玉大学 工学部 情報工学科 助手。
1995年 ラフバラ大学（イギリス） 客員研究員。
1996年 ベルファーストクイーンズ大学（イギリス） 客員研究員
1998年 埼玉大学 助教授。
2007年 埼玉大学 教授。
1986年 慶應義塾大学 理工学部 卒業。
1991年 慶應義塾大学大学院 理工学研究科 博士課程修了、工学博士。
1991年 埼玉大学 工学部 情報工学科 助手。
1995年 ラフバラ大学（イギリス） 客員研究員。
1996年 ベルファーストクイーンズ大学（イギリス） 客員研究員
1998年 埼玉大学 助教授。
2007年 埼玉大学 教授。
＜学会、等＞
IEEE, アメリカ音響学会、日本音響学会、電子情報通信学会、信号処理学会、電気学会 会員。現在、信号処理学会編集長。
＜専門＞
ディジタル信号処理とその音声、画像、通信への応用など。論文・著書多数。これまで20社を超える企業との共同研究を実施するなど、産学連携に力を入れている。2019年より「AI時代の画像処理技術研究会（埼玉大学産学官連携協議会）」の代表を務め、年に複数回の研究発表会を主導している。
セミナーの概要
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。
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。
講義項目
1 AIとは
1.1 人工知能の広がり
1.2 人工知能と得意・不得意
1.3 アンドロイド
1.4 生成AI
2 ニューラルネットワークの概念
2.1 神経細胞
2.2 発火
2.3 脳処理
2.4 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
3.1 Adaline
3.2 多層パーセプトロン
3.3 深層ニューラルネットワークム
3.4 線形予測係数
4 学習方法
4.1 教師あり学習
4.2 半教師あり学習
4.3 教師なし学習
5 適応フィルタ
5.1 LMSアルゴリズム
5.2 最急降下法
5.3 最適解
5.4 ウィナーフィルタ
6 適応アルゴルズム
6.1 LMSアルゴリズムの改良
6.2 RLS
6.3 RLSの改良
6.4 アフィン射影
…、等
7 適応フィルタの応用
7.1 エコーキャンセラ
7.2 ノイズキャンセラ
7.3 信号強調器
…、等
8 通信路等化
8.1 通信路等化の概念
8.2 トレーニングとトラッキング
8.3 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
9.1 気導音声と骨導音声
9.2 骨導音声の品質改善
骨導・気導変換、…、等
10 音声強調
10.1 深層学習を用いる先端研究
10.2 適応フィルタを用いる先端研究
11 まとめ
1.1 人工知能の広がり
1.2 人工知能と得意・不得意
1.3 アンドロイド
1.4 生成AI
2 ニューラルネットワークの概念
2.1 神経細胞
2.2 発火
2.3 脳処理
2.4 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
3.1 Adaline
3.2 多層パーセプトロン
3.3 深層ニューラルネットワークム
3.4 線形予測係数
4 学習方法
4.1 教師あり学習
4.2 半教師あり学習
4.3 教師なし学習
5 適応フィルタ
5.1 LMSアルゴリズム
5.2 最急降下法
5.3 最適解
5.4 ウィナーフィルタ
6 適応アルゴルズム
6.1 LMSアルゴリズムの改良
6.2 RLS
6.3 RLSの改良
6.4 アフィン射影
…、等
7 適応フィルタの応用
7.1 エコーキャンセラ
7.2 ノイズキャンセラ
7.3 信号強調器
…、等
8 通信路等化
8.1 通信路等化の概念
8.2 トレーニングとトラッキング
8.3 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
9.1 気導音声と骨導音声
9.2 骨導音声の品質改善
骨導・気導変換、…、等
10 音声強調
10.1 深層学習を用いる先端研究
10.2 適応フィルタを用いる先端研究
11 まとめ