深層学習による時系列モデルと最新の研究事例

本セミナーでは、深層学習による時系列モデルの基本的な手法と最新の研究事例を解説します。モデルとして、再帰型ネットワーク、LSTM (長・短期記憶) 、注意型ネットワーク、コネクショニスト時系列分類法、敵対的生成モデル (GAN) とその時系列への適用について解説します。また最新動向として、動画像、音響信号への適用を中心に、2016年以降の研究事例を紹介します。

1. 時系列のモデル化
   1. 時系列の教師なし学習における特徴抽出と次元削減
   2. 時系列を対象とする識別モデルの作成方法
   3. 入出力がある場合のモデル化と異常検知への適用
2. 深層学習による時系列のモデル化
   1. 再帰型ネットワーク (RNN) の構成
   2. 長・短期記憶 (LSTM) とゲート付き再帰型モデル
   3. 系列変換モデルによる時系列の変換
   4. 注意型ネットワーク (Attention) による対応付け
   5. コネクショニスト時系列分類法 (CTC)
   6. 敵対的生成モデル (GAN) の時系列への適用
3. 深層学習の適用事例
   1. 注意型モデルの統合による読唇 (動画像)
   2. 混合音解析への適用 (音響信号)
   3. Multi – head attentionモデル
      • その他、2016年以降の研究事例を紹介します。