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:2018年12月20日(木)10:30~17:00
     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 59,000円 (税別/1口)

講 師

水野直樹(みずのなおき)氏 
 名古屋工業大学 つくり領域 電気・機械工学専攻/電気・機械工学教育類 担当
 教授(工学博士)

講義項目

 1 機械学習技術とは
  1.1 機械学習技術の種類
   1.1.1 教師付き学習(理想特性の例示による学習)
   1.1.2 教師なし学習(自ら答えを見出す学習)
   1.1.3 強化学習(理想を追求する学習)
  1.2 機械学習におけるモデルの種類と特徴
   1.2.1 形モデル(既知データから未知データを予測する)
   1.2.2 基底関数モデル(データの特徴を表す関数の重ね合わせによる性能向上)
   1.2.3 階層モデル(関数の多重適用による表現能力の向上)
  1.3 計測・制御における機械学習の役割
   1.3.1 データ特性の関数近似(回帰特性の学習によるデータ処理と制御)
   1.3.2 データの分類(学習によるパターン認識)
   1.3.3 特異データの抽出(学習による異常検出)
   1.3.4 データの低次元化(学習による特徴の強調)

 2 機械学習技術の基礎
  2.1 教師付き学習による回帰
   2.1.1 最小二乗学習アルゴリズム
   2.1.2 最小二乗解の性質
   2.1.3 ニューラルネットワークによる学習
  2.2 教師付き学習による分類
   2.2.1 最小二乗分類アルゴリズム
   2.2.2 最小二乗分類の性質
   2.2.3 サポートベクターマシンによる分類
   2.2.4 DNNによる分類

 3 計測・制御における機械学習技術の実際
  3.1 線形最小二乗学習技術による制御系のチューニング
   3.1.1 制御対象の特性と適用可能性
   3.1.2 学習アルゴリズムの設定と性能
   3.1.3 ケーススタディ
  3.2 基底関数モデル・階層モデル学習による非線形特性の推定
   3.2.1 対象システムの特性とネットワークの選定
   3.2.2 学習アルゴリズムと構造最適化アルゴリズムの組合せによる実現
  3.3 サポートベクターマシンによる異常検出
   3.3.1 異常検出における事前データ処理
   3.3.2 サポートベクターマシンにおける学習アルゴリズム

 4 機械学習技術の理論と実装の間
  4.1 モデルと学習アルゴリズムの選定と到達性能
  4.2 実用的機械学習計測・制御システムの構成
   4.2.1 データの精度と学習アルゴリズムにおける数値問題
   4.2.2 不適切データの処理
   4.2.3 時系列処理における時間管理

 5 機械学習手法の実装
  5.1 機械学習機能のプログラミング(ツールとその活用)
  5.2 機械学習機能のシステムへの実装

 6 機械学習技術の最新動向

 7 まとめ