ディープラーニングによる異常検知の基礎と実用化のポイント

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、ディープラーニングによる異常検知について基礎から解説し、異常データが無い・少ない場合や未知の異常を検出する方法、オートエンコーダーとGANの使い分け、組み合わせ等のノウハウを詳解いたします。

日時

中止

プログラム

近年、ディープラーニングによる画像認識は目覚ましい発展を遂げており、これらの成果は実利用の段階に入った。工場などの生産現場では、古くから画像認識による外観検査や異常検知が導入されているが、これらにディープラーニングを導入することで飛躍的な精度の向上を行った事例が報告されつつある。一方で、ディープラーニングを外観検査に応用する場合には、外観検査、異常検知ゆえの問題がある。  本セミナーでは、ディープラーニングの基礎から、異常検知の考え方、異常検知の問題点、異常サンプルがない場合と、少量のサンプルがある場合でのアプローチ、最新手法、性能の評価方法についての講演を行う。

  1. 特徴量と特徴空間
    1. 特徴量とは
    2. 特徴空間
    3. クラスの概念
  2. 識別問題
    1. 識別問題とは
    2. 線形識別法
    3. 異常検知の考え方
  3. ニューラルネットワークの基礎
    1. 単純パーセプトロン
    2. 3層ニューラルネットワーク
    3. 畳み込みニューラルネットワーク
  4. 異常サンプルがない場合の方法
    1. オートエンコーダ
      1. オートエンコーダの基礎
      2. 畳み込みオートエンコーダ
      3. オートエンコーダの復元による異常検知
    2. Generative Adversarial Networks
      1. GANの基礎
      2. GANによる異常検知
    3. Deep SVDD
      1. Deep SVDDの基礎
      2. Deep SVDDによる異常検知
      3. オートエンコーダ+Deep SVDD
  5. 異常サンプルが少量ある場合の方法
    1. ラベルなしデータ (Adversarial Auto Encoderを用いた異常検知)
    2. ラベルありデータ (メトリックラーニングを利用した異常検知)
  6. 評価方法
    1. Confusion matrix
    2. ROCカーブとAUC
    3. 異常検知における性能評価
  7. ディープラーニングによる異常検知の実例と諸問題

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信セミナーについて