ディープラーニングによる異常検知技術【提携セミナー】
開催日時 | 2021/1/18(月)10:30-16:30 |
---|---|
担当講師 | 曽我部 東馬 氏 |
開催場所 | Zoomによるオンラインセミナー |
定員 | - |
受講費 | 47,300円 |
★品質検査(表面・外観検査)、故障診断、欠陥・寿命予測等
数々の事例をもとに、機械学習・ディープラーニング技術の異常検知への適用の
考え方や解析プロセスの詳細について説明します!
ディープラーニングによる異常検知技術
~基礎・実践手法から
製造加工業への応用展開まで~
【提携セミナー】
主催:株式会社情報機構
ディープラーニング手法は、画像認識や音声認識の分野では前人未到の識別精度を達成し、将来の有望技術として脚光を浴びている。これらの成功事例を受け近年、ディープラーニング手法は製造加工業界の様々な分野に応用され、新たな解析手法とて研究されている。
本セミナーでは、まず異常検知に用いられる機械学習・ディープラーニングの手法・原理や決定木・ランダムフォレスト等の基本的な考え方、CNNの有用性・適用範囲・制限等についてわかりやすく説明した後、 製造加工業の中でも特に品質検査(表面・外観検査)、故障診断と欠陥予知という三つの分野に応用した最新鋭のディープラーニング技術を紹介する。
内容として、応用事例を取り上げながら、解析手法の原理、解析手法の解析プロセス詳細そして検証結果という流れで説明と議論を重ね展開していく。
◆ 受講対象:
- ディープラーニングの研究と応用を真剣に検討されている方
- 工業分野における品質検査、故障診断、寿命予測に興味をお持ちの方
- 機械学習・ディープラーニングによる異常検知に興味を持たれている方
- 画像認識・音声認識以外の分野でのディープラーニング応用の可能性に興味をお持ちの方
など
◆ 受講後、習得できること:
- 最新型ディープラーニング技術の習得
- 深層学習の基本原理と要素技術の基本知識の習得
- ディープラーニングと従来の機械学習手法の融合技術の習得
- 異常検知と予測手法を応用する際のノウハウの習得
- 製造加工業におけるディープラーニングの応用例や今後の可能性
など
担当講師
電気通信大学 i-パワードエネルギーシステム研究センター&基盤理工学専攻 准教授
(株)GRID 最高技術顧問 理学博士 曽我部 東馬 氏
セミナープログラム(予定)
第I部:はじめに
(1) 従来の機械学習の原理と手法を簡潔にわかりやすく説明
・サポートベクトルマシン (SVM)
・主成分分析PCA/t-SNE/トポロジーデータ解析法(TDA)
・競合学習・SOM・K-NN・ EMアルゴリズムの原理と相互関連性
・決定木の各手法・ランダムフォレスト
・Extreme learning machine手法の紹介
・RNNとRNN-LSTMのわかりやすい説明
・ベイズ原理からカルマンフィルターをわかりやすく説明
・ベイズ原理から粒子フィルターをわかりやすく説明
(2) 各ディープラーニングの手法の紹介と原理を簡潔にわかりやすく説明
・畳み込みニューラルネットワーク(CNN)の原理及び有用性・限界等
・graph-CNNについて
・時系列データに対するCNN
・自己符号化器(AE)
・RBMとRBM-DBNの紹介
(3) 異常検知の考え方や手法の選択・適用のポイント等をわかりやすく説明
・異常検知の考え方
・異常検知への各手法の選択法
・異常検知への適用の際のポイントと留意点
第II部:品質検査(表面・外観検査)におけるディープラーニングの手法の応用
(1) 最新技術と手法及び応用事例の紹介
・熱間圧延ストリップ鋼表面解析
・溶接欠陥解析
・航空機ファンブレード用チタン合金表面
(2) CNNに基づく転移学習の紹介
(3) 転移学習を用いたCNN学習モデルによる表面・外観検査の学習結果の解析
(4) 従来の機械学習手法の解析結果との比較
第III部:故障評価ための診断解析
(1) 技術の背景及び応用事例の紹介
・軸受故障解析
・変速機故障解析
・回転子故障解析
(2) CNNによる特徴抽出と故障診断
(3) AEによる故障診断
(4) Extreme learning machine深層学習手法
(5) スパースフィルタリングによる故障診断
(6) RBM-DBNとSVMを融合したマルチモーダル手法
第IV部:欠陥・寿命予測解析手法
(1) LSTM-RNNによる欠陥予測
(2) 競合学習とLSTMの融合による予測
(3) 双方向LSTMとCNNの融合による予測
(4) 粒子フィルターとRBM-DBNの融合による予測
(5) 欠陥・寿命予測解析応用事例
・転がり軸受長期寿命予測
・機械加工における工具摩耗寿命予測
・ハイブリッド玉軸受寿命予測
第V部:展望
(1) 学習モデル選択:
(2) データの高次元性・非構造多様性・不均衡性の対策
(3) 学習結果の可読性と可視化
<質疑応答>
公開セミナーの次回開催予定
開催日
2021年1月18日(月) 10:30-16:30
開催場所
【Live受講】 Live配信セミナー(リアルタイム配信) ※会社・自宅にいながら学習可能です※
オンライン配信のご案内
★ Zoomによるオンライン配信
★ ライブ配信(Zoomでの受講が難しい方へ)
については、こちらをご参照ください
受講料
1名47,300円(税込(消費税10%)、資料付)
*1社2名以上同時申込の場合、1名につき36,300円
*学校法人割引;学生、教員のご参加は受講料50%割引。
配布資料
- 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
(開催1週前~前日までには送付致します)。
*準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
(土、日、祝日は営業日としてカウント致しません。)
備考
- 当日、可能な範囲で質疑応答も対応致します。
(全ての質問にお答えできない可能性もございますので、予めご容赦ください。) - 本講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。
- ご受講前に必ず本ページ内の「ライブ配信」の詳細を確認下さい。
お申し込み方法
★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。