リザバーコンピューティングの基礎から先端研究，実応用への展望【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から先端研究，実応用への展望【提携セミナー】

開催日時	【Live配信】2026/9/7（月）13:00~16:00 , 【アーカイブ】2026/9/16まで受付（視聴期間：9/16~9/26まで）
担当講師	犬伏正信氏
開催場所	Zoomを利用したLive配信またはアーカイブ配信
定員	30名
受講費	49,500円（消費税込・資料付き）

★時系列データの活用に向けた基礎と応用ポイントを解説

リザバーコンピューティングの基礎から

先端研究，実応用への展望

【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（例えば日々変動する気温のデータ）が手元にあるとき、ニューラルネットワークを学習することで、将来の予測を行うことができます。リザバーコンピューティング（ＲＣ）は数あるニューラルネットワークの中でも単純・高速かつ精度の良い方法として近年注目されています。

本講義はニューラルネットワークの基礎の解説からはじめ、ＲＣの仕組みを理解した上で実際にサンプルコードを動かして使えるようになることを目標としています。

ニューラルネットワークの書籍は多数ありますが、本講義の特徴の一つは「ＲＣのミニマルユーザーガイド」をお配りし、それをもとにＲＣの応用に必要な最低限のエッセンスをお伝えすることです。具体的な時系列予測問題（応用例）のデモンストレーションを通して、ＲＣの予測精度や他の類似手法との比較（強みと弱み）、最新の研究状況までを分かりやすく解説いたします。

習得できる知識

リザバーコンピューティングの仕組みと特徴の理解
Pythonプログラムを応用した時系列予測問題の解決
ＲＣの予測精度や他の類似手法との比較（計算コストなどの強みと弱み）の理解

担当講師

東京理科大学　理学部　第一部　応用数学科　准教授　博士（理学）　犬伏正信　氏

セミナープログラム（予定）

１．はじめに
1-1 時系列予測のための機械学習
1-1-1　ＡＩ機械学習の基礎
1-1-2　教師あり学習
1-1-3　教師なし学習
1-1-4　強化学習
1-1-5　生成ＡＩ
1-2 最小二乗法でよくわかる教師あり学習
1-3 ニューラルネットワーク
1-4 リカレントニューラルネットワーク（ＲＮＮ）

２．リザバーコンピューティング（ＲＣ）
2-1 ＲＣミニマルユーザーガイドの解説
2-2 学習およびテストデータの準備について
2-3 ＲＣの学習と高精度予測
2-4 学習データ量の依存性
2-5 ＲＣの特徴と他のＲＮＮ手法との比較

３．非線形システム（カオス時系列）の学習と予測に関する最新研究
3-1 少量のデータを用いたRCの学習と予測（転移学習)
3-2 ＲＣの高精度予測に関する理論研究～なぜＲＣはうまくいくのか～（同期現象に基づく理論解明）
3-3 大自由系に対する低次元モデルの構成（オートエンコーダ）

【質疑応答】