【中止】パーティクルフィルタの基礎・応用・実装～状態空間モデルと状態推定、各種アルゴリズム～

セミナー趣旨

  　時々刻々と変化するシーン中の動く対象物を追跡する課題に対して，効果的な解を与える「パーティクルフィルタ」について，その基礎・方法論から応用，プログラム実装までを網羅した講義内容である．
　確率・統計，ベイズ推定を出発点として，問題設定である「状態空間モデル」の定式化，その解を求める「状態推定」課題の明確化，状態推定の数式としての解（形式的な解）を理解する．これらの理論的な事実に基づいた方法論として，具体的な状態推定のアルゴリズム群を俯瞰する．カルマンフィルタに代表される解析的なフィルタ，パーティクルフィルタをはじめとする各種の近似フィルタ，および，更に発展的な方法について学ぶ．
　併せて，過去の時刻の推定である「平滑化」や，状態空間モデルに含まれる固定パラメータの推定についても概説する．関連した話題として，変分推論（変分ベイズ）についても触れる．更に発展的な課題として，複数対象の同時推定についても概観する．
　これらの理論および方法論を活用した応用として，複数分野の具体的な事例について概説する．プログラミングの実装例についても簡単に紹介する．

セミナープログラム

　1　状態空間モデルと状態推定
　　1.1　確率論と統計学
　　1.2　最尤推定，ベイズ推定・逐次ベイズ推定
　　1.3　状態空間モデル〜マルコフ性，条件付き独立観測
　　1.4　状態推定とその形式的解〜ろ波，予測，平滑化

　2　状態推定のアルゴリズム
　　2.1　解析的フィルタ〜カルマンフィルタ
　　2.2　近似フィルタ〜パーティクルフィルタほか
　　2.3　発展的な方法〜逐次モンテカルロフィルタ
　　2.4　平滑化と固定パラメータ推定〜変分推論ほか
　　2.5　複数対象の同時推定〜ランダム有限集合

　3　応用事例の解説
　　3.1　簡単なモデルでの原理確認〜トレンド・非線形モデル
　　3.2　時系列解析〜非定常モデル，成分分解モデルほか
　　3.3　ターゲット追跡〜レーダー観測下の移動対象追跡
　　3.4　Visual Tracking：動画像追跡〜CONDENSATIONほか
　　3.5　複数異種センサの情報融合〜尤度算出モデル
　　3.6　移動体の自己位置推定と地図学習〜SLAM問題
　　3.7　複数対象の同時追跡〜SMC-PHDフィルタほか

　4　プログラミング実装
　　4.1　C/C++実装
　　4.2　Python 実装

セミナー講師

　生駒　哲一（いこまのりかず）　氏　　　日本工業大学 基幹工学部　電気電子通信工学科　教授（博士（学術））

セミナー受講料

お1人様受講の場合　51,700円[税込]／1名
1口でお申込の場合　62,700円[税込]／1口（3名まで受講可能）
 
受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。