• 2025年12月04日(木) 10:30 ~ 17:30

第一部　リザバーコンピューティングの基礎と高精度予測システムの実装例

１．時系列データと機械学習

　　（１）．時系列予測の機械学習の概要

　　　　ａ．ＡＩ・機械学習の基礎

　　　　ｂ．教師あり、なし学習

　　　　ｃ．強化学習

　　　　ｄ．生成ＡＩ、他

　　（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

　　（５）．リザバーコンピューティングの特徴と他手法との比較

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紹介：（配布あり）

　　（２）．データの準備について

　 　　　・教師データとテストデータ

　　（３）．ＲＣの学習と高精度予測

３．実装例（サンプルコード）の紹介　高精度予測のための実装例のデモ

　　・時系列の高精度予測のデモンストレーション

　　　（サンプルは配布可能です）

４．非線形システム（カオス時系列）の学習と予測、過学習の対策とそのポイント

　　（１）．応用１：少量のデータを用いたＲＣの学習と予測

　　　　・転移学習とそのポイント

　　（２）．応用２：ＲＣの高精度予測と最先端の理論研究

　　　　・数理的側面とそのポイント

第二部　エコーステートネットワークと実践に向けた設計ポイントと産業応用

１．機械学習

　　（１）．近年のAI動向

　　（２）．教師あり学習

　　（３）．ディープラーニング

　　（４）．時系列データ

　　（５）．再帰型ニューラルネットワーク

２．リザバーコンピューティングの基礎

　　（１）．概念と基本構造

　　（２）．基本的な学習方法

　　（３）．リザバーコンピューティングの種類・モデル

　　（４）．再帰型ニューラルネットワークとの関係

　　（５）．リザバーコンピューティングの利点

３．エコーステートネットワークの設計

　　（１）．挙動を決定する指標

　　　　ａ．Echo State Property

　　　　ｂ．Memory Capacity

　　（２）．ネットワーク構造の設計

　　（３）．ニューロンモデルの設計

４．エコーステートネットワークの発展・応用

　　（１）．ネットワーク構造の工夫によるマルチタスク学習

　　（２）．ニューロンモデルの改良による長期記憶化

　　（３）．複素モデルによる周期性の表現

　　（４）．最新AIとの融合による画像データの活用

オンラインセミナー