少ないデータに対する機械学習、深層学習の適用
【LIVE配信】2024/4/15(月) 10:30~16:30 , 【アーカイブ配信】4/16~4/30 (何度でも受講可能)
お問い合わせ
03-6206-4966
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!
【提携セミナー】
主催:株式会社技術情報協会
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。
・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
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)
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】
未定
未定
未定
‐
★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。
※お申込後はキャンセルできませんのでご注意ください。
※申し込み人数が開催人数に満たない場合など、状況により中止させていただくことがございます。