以下の類似セミナーへのお申込みをご検討ください。
特徴パターン抽出・認識アルゴリズムの実装とパターン抽出の応用実践。
特徴パターン抽出の観点からの人工知能のポイントを理解しましょう。
講師
立命館大学 理工学部 機械工学科 教授 理学博士 宮野 尚哉 先生
■ 主経歴
住友電気工業(株) 研究員
住友金属工業(株) 主任研究員
弘前大学理工学部 助教授
立命館大学理工学部 教授
■ 専門・得意分野
非線形動力学,複雑系科学,時系列解析,人工知能
■ 本テーマ関連の専門の学会・協会等での委員会活動など
電子情報通信学会 論文誌編集委員
受講料
1名46,440円(税込(消費税8%)、資料・昼食付)
*1社2名以上同時申込の場合 、1名につき35,640円
*学校法人割引 ;学生、教員のご参加は受講料50%割引。
セミナーポイント
■ 講演ポイント
インターネットに代表される情報通信インフラの発達によって、様々な情報がデジタルデータとして収集され、大量に蓄積される時代になりました。大規模データベース、即ち、ビッグデータから主要な特徴パターンを抽出することは、ビッグデータの主な活用方法であると言えます。データを素材にして、特徴パターンというより付加価値の高い情報を産み出すのです。
本講演では、自己組織化写像やk-means法のような既存のパターン抽出法と比較しながら、データ同期と呼ばれる新しいパターン抽出法を解説します。データ同期では、抽出すべきパターン数のような先験情報を用いることはありません。データの事前分析が不要です。これが既存の手法との大きな相違点であり、特長です。実際の応用事例を通して、ビッグデータへの活用方法を紹介します。
■ 受講後、習得できること
・特徴パターン抽出・認識アルゴリズムの実装
・特徴パターン抽出の応用実践
・特徴パターン抽出の観点からの人工知能の要点理解
セミナー内容
1.集団同期現象と蔵本モデル
1.1 集団同期現象とは何か
1.2 蔵本モデルの数理
1.3 集団同期現象と世論形成
2.集団同期現象と多変量特徴パターン抽出
2.1 蔵本モデルの特徴パターン抽出への応用
2.2 データ同期の数理
2.3 データ同期アルゴリズム
3.自己組織化写像とデータ同期
3.1 自己組織化写像アルゴリズム
3.2 競合学習則とデータ同期
3.3 自己組織化写像とデータ同期の相違点
4.k-means法とデータ同期
4.1 k-means法
4.2 k-means法とデータ同期の相違点
5.実践におけるポイント −事例研究とともに−
5.1 介護医療データと特徴パターン抽出
5.2 ファイナンスデータと特徴パターン抽出
5.3 風向風速データと特徴パターン抽出
5.4 定足数検出型集団同期と特徴パターン抽出
(質疑応答)
※セミナーに申し込むにはものづくりドットコム会員登録が必要です
開催日時
10:30 ~
受講料
46,440円(税込)/人
※本文中に提示された主催者の割引は申込後に適用されます
※銀行振込
開催場所
東京都
【品川区】きゅりあん
【JR・東急・りんかい線】大井町駅
主催者
キーワード
AI(人工知能) データマイニング/ビッグデータ
※セミナーに申し込むにはものづくりドットコム会員登録が必要です
開催日時
10:30 ~
受講料
46,440円(税込)/人
※本文中に提示された主催者の割引は申込後に適用されます
※銀行振込
開催場所
東京都
【品川区】きゅりあん
【JR・東急・りんかい線】大井町駅
主催者
キーワード
AI(人工知能) データマイニング/ビッグデータ関連セミナー
もっと見る関連教材
もっと見る関連記事
もっと見る-
生成AI、工場でどこまで使えるのか(その3)生成AIの能力比較
近い将来、対話型AIが現行の検索エンジンにとって代わる可能性が指摘されていますが、今回は、連載解説(その3)生成AIの能力比較。を解説... -
生成AI、工場でどこまで使えるのか(その2)生成AIの回答を検証する
近い将来、対話型AIが現行の検索エンジンにとって代わる可能性が指摘されていますが、今回は、連載解説(その2)生成AIの回答を検証するを... -
生成AI、工場でどこまで使えるのか(その1)プロンプトエンジニアリング
近い将来、対話型AIが検索エンジンにとって代わる可能性が指摘されていますが、今回は、生成AIの活用方法をいろいろと試す「生成AIは、工... -
シンギュラリティの危機~職を失う人びと~あなたは生き残れるか
【目次】 1. シンギュラリティの到来 人間は誰もこんなディストピア※1を望んではいなかった。これはシンギュラリティが到来した後、...