以下の類似セミナーへのお申込みをご検討ください。
~SVMとDeep Learningを中心に具体的な応用例と共に解説~
各手法の性質から具体的な応用例をセットで解説
ディープラーニング等の機械学習で製品検査、画像処理、カテゴリ識別、動画像認識を効率的・高精度に行うには
ディープラーニング等の機械学習で製品検査、画像処理、カテゴリ識別、動画像認識を効率的・高精度に行うには
受講料
48,600円 ( S&T会員受講料 46,170円 )
【2名同時申込みで1名分無料キャンペーン(1名あたり定価半額の24,300円)】
※2名様ともS&T会員登録をしていただいた場合に限ります。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、上記1名あたりの金額で追加受講できます。
※受講券、請求書は、代表者にご郵送いたします。
※請求書および領収書は1名様ごとに発行可能です。
(申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)
※他の割引は併用できません。
講師
名城大学 理工学部 電気電子工学科 准教授 博士(工学) 堀田 一弘 氏
趣旨
最近の画像認識やコンピュータビジョンではSVMやDeep learning等の機械学習法を使うのが当たり前になってきている。一方で機械学習系の会議でも画像認識への応用が盛んに行われるようになり、初学者にとっては自分の抱えている課題にどの方法を使ったら良いのか分かりにくい状況である。そこで、画像認識でよく使われるSVMとDeep learningに主眼を置き、具体的な応用例と共に詳しく解説していく。
プログラム
1.サポートベクターマシン
1.1 線形サポートベクターマシン
1.2 非線形サポートベクターマシン
○カーネル関数の統合
○アスベスト検出への応用
1.3 One-classサポートベクターマシン
○粒子検出への応用
1.4 サポートベクター回帰
○文脈情報抽出への応用
○メラノソーム追跡への応用
1.5 Latentサポートベクターマシン
○カテゴリ識別への応用
1.6 Exemplarサポートベクターマシンとその応用
○カテゴリ識別への応用
2.Deep learning
2.1 従来のニューラルネットワーク
○単層パーセプトロン
○多層パーセプトロン
○誤差逆伝播法
2.2 Convolutional Neural Network
○ユニット関数(sigmoid, ReLU, leakyReLU, ELU, maxout)
○ドロップアウト
○CNNの解析
○Deep learningの応用
・画像ラベリングへの応用
・細胞内の粒子検出への応用
・カテゴリ識別への応用
・動画像認識への応用
3.その他の機械学習法
3.1 Partial Least Squares
○粒子計数への応用
3.2 カーネル多変量解析
○顔認識への応用
□質疑応答□
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-
振動発電デバイスの特徴と原理、各方式の利点・制約、用途を解説
振動発電デバイスには、圧電方式、静電方式、電磁方式、磁歪方式という4つの主要な方式があります。これらの方式は、振動エネルギーを電気エネ... -
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...