深層学習と適応フィルタ:2つの概念の理解と使い分け
開催日 | 10:00 ~ 16:30 |
---|---|
主催者 | 株式会社トリケップス |
キーワード | 情報技術 機械学習・ディープラーニング AI(人工知能) |
開催エリア | 全国 |
開催場所 | Zoomを利用したオンライン講座 |
それぞれの長所短所を明らかにしながら、実際の応用における”うまい使い分け”について解説!
セミナー講師
島村徹也(しまむらてつや)氏 埼玉大学大学院 理工学研究科 数理電子情報部門 教授(工学博士) <経歴> 1986年 慶應義塾大学 理工学部 卒業。 1991年 慶應義塾大学大学院 理工学研究科 博士課程修了、工学博士。 1991年 埼玉大学 工学部 情報工学科 助手。 1995年 ラフバラ大学(イギリス) 客員研究員。 1996年 ベルファーストクイーンズ大学(イギリス) 客員研究員 1998年 埼玉大学 助教授。 2007年 埼玉大学 教授。 <学会、等> IEEE, アメリカ音響学会、日本音響学会、電子情報通信学会、信号処理学会、電気学会 会員。現在、信号処理学会編集長。 <専門> ディジタル信号処理とその音声、画像、通信への応用など。論文・著書多数。 これまで20社を超える企業との共同研究を実施するなど、産学連携に力を入れている。 2019年より「AI時代の画像処理技術研究会(埼玉大学産学官連携協議会)」の代表を務め、 年に複数回の研究発表会を主導している。
セミナー受講料
お1人様受講の場合 53,900円[税込]/1名1口でお申込の場合 66,000円[税込]/1口(3名まで受講可能)
受講について
- 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング(http://zoom.us/test)にアクセスできることをご確認下さい。
- インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
- 受講中の録音・撮影等は固くお断りいたします。
セミナー趣旨
深層学習の登場から約10年が経ち、今その発展は継続されています。一方で、問題点や限界もわかったきたことで、これからは同じ、あるいは類似する“学習”をアルゴリズムとする、適応フィルタとの使い分けが必要とされると考えられます。そこで、この2つの概念、深層学習と適応フィルタを別々に整理し、それぞれの長所短所を明らかにしながら、実際の応用における”うまい使い分け”について解説を試みることにします。本セミナーでは、内容の理解を深めて頂くことを前提に、まず人工知能(AI)について網羅的に解説します。ここまでのAIの歴史について概観しながら、その性質について特に得意・不得意とするものを、例を用いて示します。そして、AIをニューラルネットワークと捉え、これまでのニューラルネットワークの技術的な進展を説明します。その進展の中で、今日使われる技術のポイントになったものを、応用面から捉え、大きく通信と音(特には音声)への利用例として紹介します。続いて、適応フィルタについて解説します。1つの技術を紹介することに限定せず、複数の有力な適応処理方法の紹介を心がけます。また、具体的な応用例を紹介します。そして、特に音と通信への応用を取り上げ、ニューラルネットワークと適応フィルタの利用の仕方を解説し、双方の利用の仕方と得られる結果の違い、長所・短所を示します。さらに、音声強調問題において、深層学習の最先端研究事例を示しながら、適応フィルタとの処理方法との違いを明らかにし、比較検討を行います。これまでの深層ニューラルネットワークと適応フィルタの研究を振り返り、今現在で言えること、そして今後の研究テーマとして考えられることにまで言及する予定です。
セミナープログラム
1 AIとは 1.1 人工知能の広がり 1.2 人工知能と得意・不得意 1.3 アンドロイド 1.4 生成AI 2 ニューラルネットワークの概念 2.1 神経細胞 2.2 発火 2.3 脳処理 2.4 人工ニューラルネットワーク 3 ニューラルネットワークの進展 3.1 Adaline 3.2 多層パーセプトロン 3.3 深層ニューラルネットワークム 3.4 線形予測係数 4 学習方法 4.1 教師あり学習 4.2 半教師あり学習 4.3 教師なし学習 5 適応フィルタ 5.1 LMSアルゴリズム 5.2 最急降下法 5.3 最適解 5.4 ウィナーフィルタ 6 適応アルゴルズム 6.1 LMSアルゴリズムの改良 6.2 RLS 6.3 RLSの改良 6.4 アフィン射影 …、等 7 適応フィルタの応用 7.1 エコーキャンセラ 7.2 ノイズキャンセラ 7.3 信号強調器 …、等 8 通信路等化 8.1 通信路等化の概念 8.2 トレーニングとトラッキング 8.3 非線形通信路等化 多層パーセプトロン、ラジアル基底関数、…、等 9 音への利用 9.1 気導音声と骨導音声 9.2 骨導音声の品質改善 骨導・気導変換、…、等 10 音声強調 10.1 深層学習を用いる先端研究 10.2 適応フィルタを用いる先端研究 11 まとめ