ディープラーニング・ リカレントニューラルネットの 基礎と応用事例 －実ロボット行動学習への応用へ－

★注目集めるディープラーニングが１日でわかりやすく学べる！
★概要・基本的なアルゴリズムの解説・代表的なツールの紹介から、画像・音声認識の事例、ロボットシステムへの応用、リカレントニューラルネットワークまで！

　近年，人間の設計する特徴量を全く用いずに，ネットワーク上の画像や音声等のビッグデータから自律的な学習を行う人工知能，ディープラーニングが，従来手法のパターン認識性能を大きく超え，注目を集めています．さらに近年ではこのディープラーニング研究の流れの中で，リカレントニューラルネットワークを利用した言語処理などの研究も盛んです．
　本講義ではまず機械学習の基礎を概観した後に，ディープラーニングの基本的な学習方法を概説し，いくつかのツールなども紹介します．また画像認識や音声認識等の各分野の応用事例を紹介した後に，我々が学術誌で発表しているマルチモーダル音声認識，さらに自律ロボットの柔軟物ハンドリングなどへの応用の試みを解説します．
　さらに今後の展望として，新しい複数のリカレントニューラルネットワークの紹介と，研究事例を示し，我々が学術誌で発表している，ロボットの言語学習モデルの解説を行います．最後にこれらの技術の発展，展開について議論します．

【講師】

早稲田大学　理工学術院　教授　尾形 哲也 先生　※ご兼任：産業総合技術研究所　人工知能研究センター　招聘研究員
　1993年早稲田大学理工学部機械工学科卒業．日本学術振興会特別研究員，早稲田大学理工学部助手，理化学研究所脳科学総合研究センター研究員，京都大学大学院情報学研究科准教授を経て，2012年より早稲田大学理工学術院教授．博士（工学）．2009～2015年さきがけ領域「情報環境と人」研究員，2015年より産業総合技術研究所人工知能研究センター客員研究員．

【セミナープログラム】

1. ディープラーニング
　1-1　歴史
　1-2　ニューラルネットワーク基礎
　　a）ニューロンモデル
　　b）最急降下法
　1-3　学習アルゴリズム
　　a）Deep Autoencoder
　　b）Convolution Neural Network（畳み込みニューラルネットワーク）
　　c）高速化の工夫
　1-4　ツール
　　a）Caffe，Tensorflowなどの概要
　　b）Chainerによるコード例の解説
　1-5　講演者の研究室での事例紹介

2. ロボットシステムの応用
　2-1　マルチモーダル学習
　　a）画像認識・生成の事例（Image Net, Generative Adversarial Networksなど）
　　b）音声認識の事例
　　c）マルチモーダル学習事例
　2-2　ロボットの行動学習
　　a）Deep Q-Learning
　　b）End to End Learning
　　c）運動系列学習（予測と生成）

3. 時系列処理への展開と将来の展望
　3-1　リカレントニューラルネットワーク（RNN）の概要
　3-2　新しいRNNの学習手法と特徴
　　a）RNNPB
　　b）MTRNN
　　c）LSTMなど
　3-3　RNNを用いたSeq2Seq学習
　　a）対話システム
　　b）ロボットの言語と運動の統合学習