セミナー情報

機械学習技術の基礎と計測制御システムへの応用および実装のポイント [大阪開催]

〜 機械学習技術と最新動向、計測・制御の高性能化や異常検出への活用法、学習アルゴリズムの選定ポイント、公開ライブラリの有効活用と実装技法 〜

・機械学習技術を最適活用するためのポイントと実装方法を体系的に学ぶための講座

・ 自動車、機械、プラントなどの企業の計測・制御系(プロセス制御系、メカトロニクス制御系など)の開発技術者

・ 機械学習技術をメカトロ機器の制御やプラント、生産システム等への応用検討されている方

講師の言葉

担当講師:

名古屋工業大学 つくり領域 電気・機械工学専攻/電気・機械工学教育類 担当

教授 工学博士 水野 直樹 氏

 

おもな研究領域:

メカトロニクス, 適応・学習制御, ニューラルネットワーク, 船舶のアドバンスト制御

 

 機械学習技術は昨今の人工知能ブームとも関連して話題になることの多い技術ですが、その基礎はデータに基づく特性近似を用いた計測システムや制御対象の同定特性を用いた制御系のチューニングと共通です。この技術を用いると、計測システムや制御システムを無調整化、高性能化したり、さらに対象システムに応じたモデルを採用することで、従来の手法では達成が困難な計測・制御性能やデータ分類、異常検出などを達成できる可能性が高まります。

 本講座では、まず、機械学習技術の基礎的考え方から、具体的な設計法の種類へと、技術の全体像を紹介します。つぎに、機械学習技術の計測・制御システムへの適用例として,線形最小二乗学習技術による制御系のチューニングを中心に、計測システムにおける機械学習による非線形特性の獲得、異常検出などを紹介します。 さらに適用対象の見極め方,性能発揮のポイントとなるモデルや学習アルゴリズムの選定について解説します。特に、今回の講座ではケーススタディを含め,その有効性を実感して頂きながら紹介します。最後に、通常の計測・制御システムに学習機能を導入する際に役立つプログラミングの技法や公開ライブラリの活用、機械学習機能の実装のポイントについて紹介します。

セミナー詳細

開催日時 2017年12月14日(木) 10:30 ~ 17:30
開催場所 【大阪】たかつガーデン(大阪市)
カテゴリー 電気・機械・メカトロ・設備/ソフト・データ解析・画像・デザイン
受講対象者 ・自動車、機械、プラントなどの企業の計測・制御系(プロセス制御系、メカトロニクス制御系など)の開発技術者
・機械学習技術をメカトロ機器の制御やプラント、生産システム等への応用検討されている方
予備知識 ・計測・制御工学の基礎知識をもち、ディジタル信号処理、ディジタル制御についての学習・設計経験があると理解が進む
修得知識 ・計測・制御システムにおける機械学習技術の基本的な考え方から、代表的手法の構成とその特性までを理解し、ユーザの計測・制御システムに機械学習機能を実装する具体的手法を習得できることを目指す
プログラム

1.機械学習技術とは
  (1).機械学習技術の種類
    a. 教師付き学習(理想特性の例示による学習)
    b. 教師なし学習(自ら答えを見出す学習)
    c. 強化学習(理想を追求する学習)
  (2).機械学習におけるモデルの種類と特徴
    a. 線形モデル(既知データから未知データを予測する)
    b. 基底関数モデル(データの特徴を表す関数の重ね合わせにによる性能向上)
    c. 階層モデル(関数の多重適用による表現能力の向上)
  (3).計測・制御における機械学習の役割
    a. データ特性の関数近似(回帰特性の学習によるデータ処理と制御)
    b. データの分類(学習によるパターン認識)
    c. 特異データの抽出(学習による異常検出)
    d. データの低次元化(学習による特徴の強調)


2.機械学習技術の基礎
  (1).教師付き学習による回帰
    a. 最小二乗学習アルゴリズム
    b. 最小二乗解の性質
    c. ニューラルネットワークによる学習
  (2).教師付き学習による分類
    a. 最小二乗分類アルゴリズム
    b. 最小二乗分類の性質
    c. サポートベクターマシンによる分類
    d. DNNによる分類


3.計測・制御における機械学習技術の実際
  (1).線形最小二乗学習技術による制御系のチューニング
    a. 制御対象の特性と適用可能性
    b. 学習アルゴリズムの設定と性能
    c. ケーススタディ
  (2).基底関数モデル・階層モデル学習による非線形特性の推定
    a. 対象システムの特性とネットワークの選定
    b. 学習アルゴリズムと構造最適化アルゴリズムの組合せによる実現
  (3). サポートベクターマシンによる異常検出
    a. 異常検出における事前データ処理
    b. サポートベクターマシンにおける学習アルゴリズム


4.機械学習技術の理論と実装の間
  (1).モデルと学習アルゴリズムの選定と到達性能
  (2).実用的機械学習計測・制御システムの構成
    a. データの精度と学習アルゴリズムにおける数値問題
    b. 不適切データの処理
    c. 時系列処理における時間管理


5.機械学習手法の実装
  (1).機械学習機能のプログラミング(ツールとその活用)
  (2).機械学習機能のシステムへの実装


6.機械学習技術の最新動向


7.まとめ

キーワード 機械学習 AI DeepLearning ニューラルネットワーク 強化学習 DNN SVM 制御
タグ データ解析  機械  機械要素  工作機  構造物  自動車・輸送機  統計・データ解析
受講料 一般(1名) : 48,600円 (税込み)
同時複数申し込みの場合(1名) : 43,200円 (税込み)
会場 たかつガーデン(大阪市)
住所: 〒 543-0021 大阪府大阪市天王寺区東高津町7-11
新大阪駅からお越しの場合:
JR新大阪駅- > JR/近鉄 鶴橋駅 -> 近鉄大阪上本町駅
JR新大阪駅- > JR難波駅 -> 近鉄難波駅 -> 近鉄大阪上本町駅
JR新大阪駅- > JR天王寺駅 -> 「あべの・上本町」巡回バスにて近鉄大阪上本町駅下車
http://www.kintetsu-bus.co.jp/route/circlebus/

大阪伊丹空港からお越しの場合:
リムジンバスにて約40分
http://www.okkbus.co.jp/timetable/itm/t_ueh.html
電話番号 : 06-6768-3911
FAX : 06-6768-3170

このセミナーに参加する

申込用紙のダウンロード

メールを送信する

カテゴリ:

電気・機械・メカトロ・設備成形・加工・接着接合・材料化学・環境・異物対策ソフト・データ・画像・デザイン品質・生産管理・コスト・安全研究開発・ビジネススキル

Page Top