初学者のためのリザバーコンピューティング入門：基礎から具体的応用、最新研究まで

セミナー趣旨

  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

セミナープログラム

1.はじめに
　(1)時系列予測のための機械学習
　　1-1　ＡＩ機械学習の基礎
　　1-2　教師あり学習
　　1-3　教師なし学習
　　1-4　強化学習
　　1-5　生成ＡＩ
　(2)最小二乗法でよくわかる教師あり学習
　(3)ニューラルネットワーク
　(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）
　(1)ＲＣミニマルユーザーガイドの解説
　(2)学習およびテストデータの準備について
　(3)ＲＣの学習と高精度予測
　(4)学習データ量の依存性
　(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
　(1)少量のデータを用いたRCの学習と予測（転移学習)
　(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）
　(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）

セミナー講師

 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 兼職）

■ご経歴等
2012/04～2013/03 京都大学 数理解析研究所・日本学術振興会 特別研究員(DC2)
2013/04～2018/02 NTT コミュニケーション科学基礎研究所・研究員
2018/03～2021/03 大阪大学 大学院基礎工学研究科・助教
2021/04～現職
■ご専門および得意な分野・ご研究
非線形力学系理論の情報科学・流体力学への応用
■本テーマ関連の専門学協会等での委員会ご活動
電子情報通信学会 会誌編集委員 (2016-2018)
日本流体力学会 学会誌「ながれ」編集委員 (2019-)、流体数理OS オーガナイザ (2019-)
日本物理学会 領域11運営委員（応用数学・力学系・流体力学分野 担当）(2021-)

セミナー受講料

【オンラインセミナー（見逃し視聴なし）】：1名45,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき34,100円

【オンラインセミナー（見逃し視聴あり）】：1名50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円

＊学校法人割引；学生、教員のご参加は受講料50％割引。

受講について

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
  （開催1週前～前日までには送付致します）
  ※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）
• 受講にあたってこちらをご確認の上、お申し込みください。
• Zoomを使用したオンラインセミナーです
  →環境の確認についてこちらからご確認ください
• 申込み時に（見逃し視聴有り）を選択された方は、見逃し視聴が可能です
  →こちらをご確認ください