リザバーコンピューティングの基礎から先端研究、実応用への展望

セミナーに申し込む
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基礎から始め、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 (例えば日々変動する気温のデータ) が手元にあるとき、ニューラルネットワークを学習することで、将来の予測を行うことができます。リザバーコンピューティング (RC) は数あるニューラルネットワークの中でも単純・高速かつ精度の良い方法として近年注目されています。  本講義はニューラルネットワークの基礎の解説からはじめ、RCの仕組みを理解した上で実際にサンプルコードを動かして使えるようになることを目標としています。  ニューラルネットワークの書籍は多数ありますが、本講義の特徴の一つは「RCのミニマルユーザーガイド」をお配りし、それをもとにRCの応用に必要な最低限のエッセンスをお伝えすることです。具体的な時系列予測問題 (応用例) のデモンストレーションを通して、RCの予測精度や他の類似手法との比較 (強みと弱み) 、最新の研究状況までを分かりやすく解説いたします。

  1. はじめに
    1. 時系列予測のための機械学習
      1. AI機械学習の基礎
      2. 教師あり学習
      3. 教師なし学習
      4. 強化学習
      5. 生成AI
    2. 最小二乗法でよくわかる教師あり学習
    3. ニューラルネットワーク
    4. リカレントニューラルネットワーク (RNN)
  2. リザバーコンピューティング (RC)
    1. RCミニマルユーザーガイドの解説
    2. 学習およびテストデータの準備について
    3. RCの学習と高精度予測
    4. 学習データ量の依存性
    5. RCの特徴と他のRNN手法との比較
  3. 非線形システム (カオス時系列) の学習と予測に関する最新研究
    1. 少量のデータを用いたRCの学習と予測 (転移学習)
    2. RCの高精度予測に関する理論研究 〜なぜRCはうまくいくのか〜 (同期現象に基づく理論解明)
    3. 大自由系に対する低次元モデルの構成 (オートエンコーダ)

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。

アーカイブ配信セミナー