GAN/VAEなど深層学習（ディープラーニング）を用いた生成モデルの理論と応用

深層学習の柔軟性と生成モデルの利点を併せ持つことで
注目の“深層生成モデル”に的を絞ったセミナー！

変分自己符号化器(VAE)、敵対的生成ネットワーク(GAN)
自己回帰モデルなど各手法の基礎や目的、長・短所、
また様々な応用例について網羅的に解説します。

講師

神戸大学 大学院 システム情報学研究科　助教　松原 崇 先生

■ ご略歴：
2011/04-2013/03　大阪大学 大学院基礎工学研究科 システム創成専攻 博士前期課程
2013/04-2015/03　大阪大学 大学院基礎工学研究科 システム創成専攻 博士後期課程
2013/04-2015/03　日本学術振興会 特別研究員 DC1
2013/10-現在　独立行政法人 情報通信研究機構 脳情報通信融合研究センター 特別研究員
2015/03　博士（工学）
2015/04-現在　神戸大学 大学院システム情報学研究科 助教

■ ご専門および得意な分野・研究：
・深層学習をはじめとする機械学習，主にコンピュータビジョンと医療データ解析
・計算論的神経科学

■ ご受賞歴：
2013年度 第76回 電子情報通信学会 学術奨励賞 （基礎・境界ソサイエティ）
2016年度 電子情報通信学会複雑コミュニケーションサイエンス研究会 CCS奨励賞
2018年度 人工知能学会 全国大会優秀賞

受講料

1名41,040円(税込（消費税8％）、資料付)
＊1社2名以上同時申込の場合 、1名につき30,240円
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナー開催にあたって

■ はじめに：
　深層学習（ディープラーニング）は様々な機械学習タスクで高い性能を発揮しているが，出力結果の根拠が曖昧であったり，膨大な正解データを人の手で作成する必要があったり，十分なデータがない場合には期待通りの性能が出ない場合がある．このような問題を解決するアプローチが生成モデルである．
　本講演では深層学習の柔軟性と生成モデルの利点を併せ持つ深層生成モデルについて発表する．深層生成モデルは主に変分自己符号化器（VAE）とその発展形を指すが，フローモデル，自己回帰モデル，敵対的生成ネットワーク（GAN）など様々な手法を含む．本講演は細かな理論的背景や実装法には立ち入らず，どのような目的でこれらのモデルが開発され，どのような応用例があるのかについて，網羅的に解説する．

■ 受講対象者：
・本テーマに興味のある方ならどなたでも受講可能です
・理論的な話よりも応用事例に関する話題が中心です

■ 必要な予備知識：
　特に必要はありません。

■ 本セミナーで習得できること（一例）：
・深層学習と生成モデルの基礎知識
・深層生成モデルの種類
・深層生成モデルの応用事例及び応用法

セミナー内容

１．深層生成モデルの背景
　1）深層学習のおさらいと問題点
　2）生成モデルとは

２．尤度を用いた深層生成モデル
　1）自己符号化器から変分自己符号化器（VAE）
　　−変分法の説明と考え方
　2）一般化された深層生成モデルと応用事例
　　−医用画像データ解析，経済テキストデータ解析など
　3）深層生成モデルの問題点と自己回帰モデル
　　−敵対的生成ネットワーク（GAN）以外のリアルな画像を生成する方法について
　4）変数変換を用いた深層生成モデル

３．尤度を用いない深層生成モデル
　1）敵対的生成ネットワークについての基礎知識
　　−深層学習の根本的な問題点と「敵対的」の意味
　2）敵対的生成ネットワークの応用事例
　　−フォントの変換，画像のドメイン変換など
　3）敵対的生成ネットワークの既存の機械学習手法への応用
　　−トピックモデルなどへの応用について
 
 ＜質疑応答・個別質問・講師との名刺交換＞

■ ご講演中のキーワード：
　深層学習、生成モデル、敵対的ネットワーク、変分自己符号化器