リザバーコンピューティングの基礎と将来予測・推定への応用【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の基礎と将来予測・推定への応用【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

★過去の時系列データから将来の時系列を予測・推定する方法とは！！

★デモを通してリザバーコンピューティングの特徴や

学習・予測の仕組み、具体的な応用例まで学べます！

リザバーコンピューティングの基礎と

将来予測・推定への応用

【提携セミナー】

主催：株式会社技術情報協会

講座内容

過去の時系列データを用いて，将来の時系列を予測・推定する問題（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）であり近年注目されています。RCは線形な学習モデルであることから、学習が高速かつ容易で広い実応用が期待できます。本格的な機械学習の導入を行う前の検証として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・ニューラルネットワークの初歩から始め、RC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（RCのための十分条件）、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。

習得できる知識

・過去の時系列データから将来の時系列を予測・推定する方法を詳解

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
（大阪大学　大学院基礎工学研究科，招へい准教授）

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 実装例の紹介（過学習とハイパーパラメタの設定）
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

【質疑応答】