機械学習技術の基礎と計測・制御システムへの適用及び実装のポイント

【講師】

　水野直樹（みずのなおき）氏：名古屋工業大学　つくり領域　電気・機械工学専攻／電気・機械工学教育類 担当　教授（工学博士）

【プログラム】

　1　機械学習技術とは

　　1.1　機械学習技術の種類
　　　1.1.1　教師付き学習（理想特性の例示による学習）
　　　1.1.2　教師なし学習（自ら答えを見出す学習）
　　　1.1.3　強化学習（理想を追求する学習）
　　1.2　機械学習におけるモデルの種類と特徴
　　　1.2.1　形モデル（既知データから未知データを予測する）
　　　1.2.2　基底関数モデル（データの特徴を表す関数の重ね合わせによる性能向上）
　　　1.2.3　階層モデル（関数の多重適用による表現能力の向上）
　　1.3　計測・制御における機械学習の役割
　　　1.3.1　データ特性の関数近似（回帰特性の学習によるデータ処理と制御）
　　　1.3.2　データの分類（学習によるパターン認識）
　　　1.3.3　特異データの抽出（学習による異常検出）
　　　1.3.4　データの低次元化（学習による特徴の強調）

　2　機械学習技術の基礎

　　2.1　教師付き学習による回帰
　　　2.1.1　最小二乗学習アルゴリズム
　　　2.1.2　最小二乗解の性質
　　　2.1.3　ニューラルネットワークによる学習
　　2.2　教師付き学習による分類
　　　2.2.1　最小二乗分類アルゴリズム
　　　2.2.2　最小二乗分類の性質
　　　2.2.3　サポートベクターマシンによる分類
　　　2.2.4　DNNによる分類

　3　計測・制御における機械学習技術の実際

　　3.1　線形最小二乗学習技術による制御系のチューニング
　　　3.1.1　制御対象の特性と適用可能性
　　　3.1.2　学習アルゴリズムの設定と性能
　　　3.1.3　ケーススタディ
　　3.2　基底関数モデル・階層モデル学習による非線形特性の推定
　　　3.2.1　対象システムの特性とネットワークの選定
　　　3.2.2　学習アルゴリズムと構造最適化アルゴリズムの組合せによる実現
　　3.3　サポートベクターマシンによる異常検出
　　　3.3.1　異常検出における事前データ処理
　　　3.3.2　サポートベクターマシンにおける学習アルゴリズム

　4　機械学習技術の理論と実装の間

　　4.1　モデルと学習アルゴリズムの選定と到達性能
　　4.2　実用的機械学習計測・制御システムの構成
　　　4.2.1　データの精度と学習アルゴリズムにおける数値問題
　　　4.2.2　不適切データの処理
　　　4.2.3　時系列処理における時間管理

　5　機械学習手法の実装

　　5.1　機械学習機能のプログラミング（ツールとその活用）
　　5.2　機械学習機能のシステムへの実装

　6　機械学習技術の最新動向
　7　まとめ

【受講料】

・お1人受講の場合　47,000円[税別]／1名
・1口でお申込の場合　59,000円[税別]／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。