リザバーコンピューティング入門

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

本セミナーでは、時系列予測の一般的な機械学習法の初歩から始め、リザバーコンピューティングの特徴、学習/予測の仕組み、実装例の紹介、学習と予測のデモンストレーション、数理的な性質、具体的な応用例の紹介、最新の研究状況と展望までを分かりやすく解説いたします。

日時

開催予定

プログラム

過去の時系列データを用いて将来の時系列を予測・推定する問題 (課題) は様々な実応用上重要です。リザバーコンピューティング (RC, Reservoir Computing) は、このような問題に適した機械学習法 (ニューラルネットワークの学習法) であり近年着目されています。RCは「学習パラメタに関して線形なモデルで、入出力時系列間の非線形関係を近似する手法」であると言えます。線形なモデルであることから、学習が高速かつ容易で広い実応用が期待できます。本格的な機械学習応用に入る際の第一歩としてRCを使うことも考えられます。  本講座では、時系列予測の一般的な機械学習法の初歩から始め、リザバーコンピューティングの特徴、学習/予測の仕組み、実装例の紹介、学習と予測のデモンストレーション、数理的な性質、具体的な応用例の紹介、最新の研究状況と展望までを分かりやすく解説します。

  1. はじめに:時系列予測の機械学習
    1. 教師あり学習の初歩:最小二乗法
    2. ニューラルネットワーク
    3. リカレントニューラルネットワーク
    4. リザバーコンピューティングの特徴,他の方法との比較
  2. リザバーコンピューティング
    1. データの準備 (教師データとテストデータ)
    2. 学習と予測の方法
    3. 実装例 (サンプルコード) の紹介
    4. 学習と予測のデモンストレーション
    5. 数理的な性質
    6. 応用例:非線形システムの状態推定の紹介
    7. 発展:少量のデータを用いた学習 (転移学習)
  3. まとめと質疑応答

受講料

複数名受講割引

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

ライブ配信セミナーについて