最近の画像認識では、Deep learningやSVM等の機械学習法を利用することが主流になっている。初学者には各手法の詳細と性質を理解することが簡単ではない。
そこで、本セミナーでは理論の説明と応用例をあわせて紹介することにより、各手法の性質をつかみやすくする。
- SVM (サポートベクターマシン)
- 線形サポートベクターマシン
- 非線形サポートベクターマシン
- カーネル関数の統合
- One-classサポートベクターマシン
- 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
- Latentサポートベクターマシン
- Exemplarサポートベクターマシンとその応用
- Deep learning
- 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
- Convolutional Neural Network
- ユニット関数
- 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
- 行動認識への応用
- その他の機械学習法
- Partial Least Squares
- 粒子計数への応用
- 階層的PLSNet
- カーネル多変量解析