リザバーコンピューティング【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　リザバーコンピューティング【提携セミナー】

開催日時	未定
担当講師	犬伏正信氏
開催場所	未定
定員	-
受講費	未定

★ライブラリに頼らない機械学習を用いた時系列予測。

リザバーコンピューティング

≪応用のための徹底解説と応用例の紹介≫

【提携セミナー】

主催：株式会社情報機構

過去の時系列データを用いて将来の時系列を予測する問題（課題）は様々な実応用上重要です．リザバーコンピューティング（RC）は，このような問題に適した機械学習法（ニューラルネットワークの学習法）であり近年着目されています．RCは「学習パラメタに関して線形なモデルで，入出力時系列間の非線形関係を近似する手法」であると言えます．線形なモデルであることから，学習が容易で広い実応用が期待できます．本格的な機械学習応用に入る際の第一歩としてRCを使うことも考えられます．

本講座では，時系列予測の一般的な機械学習法の初歩から始め，リザバーコンピューティングの特徴，学習／予測の仕組み，実装例の紹介，学習と予測のデモンストレーション，数理的な性質，具体的な応用例の紹介，最新の研究状況と展望までを分かりやすく解説します．

◆受講後、習得できること

RCと他の機械学習法との相違点や特徴（利点／欠点）が理解できます．
RCを応用することで解決可能な問題，RCに適した問題を理解できます．
RCのプログラムを自身で実装し，実応用上の問題（課題）に適用するための知識を習得できます．

担当講師

東京理科大学　理学部第一部　応用数学科　准教授

犬伏正信氏

セミナープログラム（予定）

1.はじめに：時系列予測の機械学習
1.1　教師あり学習の初歩：最小二乗法
1.2　ニューラルネットワーク
1.3　リカレントニューラルネットワーク
1.4　リザバーコンピューティングの特徴，他の方法との比較

2.リザバーコンピューティング
2.1　データの準備（教師データとテストデータ）
2.2　学習と予測の方法
2.3　実装例（サンプルコード）の紹介
2.4　学習と予測のデモンストレーション
2.5　数理的な性質
2.6　応用例：非線形システムの状態推定の紹介
2.7　発展：少量のデータを用いた学習（転移学習）

3.まとめと質疑応答