音と振動からの異常検知と自己教師あり学習

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、音と振動からの異常検知の基本的な手法と技術動向を解説いたします。
また周波数分析による特徴量への変換と機械学習・深層学習の適用等についても解説いたします。

日時

開催予定

プログラム

本セミナーでは、音と振動からの異常検知の基本的な手法と技術動向を解説します。周波数分析による特徴量への変換と機械学習・深層学習の適用を説明します。関連する技術として自己教師あり学習を説明し、潜在変数への変換モデルとしてフローモデルと拡散モデルを説明します。  機械装置への適用事例と、2020年から行われている機械音からの異常検知の国際的な技術コンペを紹介します。

  1. 音と振動からの異常検知
    1. 技術開発における全体の流れ
    2. 異常検知から予兆検知へ
    3. 対象による難易度の見積もり
    4. データ収集における留意点
  2. 音と振動の特徴量への変換
    1. 周波数分析による特徴量への変換
    2. 長・短期記憶モデル (LSTM) による特徴量化
    3. 畳み込みネットワークによる特徴量化
  3. 異常検知への機械学習と深層学習の適用
    1. 機械学習による異常検知
    2. 自己符号化器と変分自己符号化器の利用
    3. 畳み込みニューラルネットワークの利用
    4. 異常検知への注意機構の適用
  4. 自己教師あり学習と変換モデル
    1. 対照学習による特徴ベクトルへの変換
    2. マスクを用いた自己教師あり学習
    3. フローモデルの異常検知への適用
    4. 拡散モデルの応用
  5. 技術動向の解説
    1. 機械装置への適用事例の紹介
    2. 機械音からの異常検知の国際的な技術コンペ
      (DCASE task2, 2020, 2021, 2022)
    3. 今後の展望

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。

オンデマンドセミナーの留意点