【Live配信 or アーカイブ配信　9/7】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　No.609411＞
【Live配信 or アーカイブ配信】

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

★時系列データの活用に向けた基礎と応用ポイントを解説

■　講師
東京理科大学　理学部　第一部　応用数学科　准教授　博士（理学）　犬伏 正信　氏

■　聴講料 ： 1名につき４９，５００円（消費税込・資料付き）
〔１社２名以上同時申込の場合１名につき４４，０００円（税込）〕
〔大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください〕

■　プログラム　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

【講演ポイント】
　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。

【習得できる知識】
・リザバーコンピューティングの仕組みと特徴の理解
・Pythonプログラムを応用した時系列予測問題の解決
・ＲＣの予測精度や他の類似手法との比較（計算コストなどの強みと弱み）の理解

【プログラム】
１．はじめに
　1-1 時系列予測のための機械学習
　　1-1-1　ＡＩ機械学習の基礎
　　1-1-2　教師あり学習
　　1-1-3　教師なし学習
　　1-1-4　強化学習
　　1-1-5　生成ＡＩ
　1-2 最小二乗法でよくわかる教師あり学習
　1-3 ニューラルネットワーク
　1-4 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）
　2-1 ＲＣミニマルユーザーガイドの解説
　2-2 学習およびテストデータの準備について
　2-3 ＲＣの学習と高精度予測
　2-4 学習データ量の依存性
　2-5 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
　3-1 少量のデータを用いたRCの学習と予測（転移学習)
　3-2 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）
　3-3 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）

【質疑応答】

セミナーの詳細についてはお気軽にお問い合わせください。