〜 機械学習と学習データを用いた汎化能力の推定法、ROC曲線を用いた識別器間の性能比較、識別器の組み合わせによる性能強化、応用技法 〜
- パターン認識で広く利用されている識別規則や学習規則を学び、予測・推定・認識・検出へ応用するための講座
- パターン認識の基礎からパターン認識器、様々な応用技法までを修得し、検出・認識の精度向上に役立てよう！
パターン認識の基礎と応用技法および性能強化〜デモ付〜
講師の言葉
「パターン認識」＝「特徴抽出」＋「識別規則」＋「学習規則」である。特徴抽出は認識対象ごとに考える必要があるので、本セミナーでは扱わない。本セミナーでは、パターン認識の分野で広く利用されている代表的な識別規則と学習規則について紹介する。学習データを用いて設計されたパターン認識装置は、実際に世の中で使用される場合にどの程度の性能（汎化能力という）を発揮できるか適切に予測する必要がある。それらの手法についても紹介する。また、ROC曲線を用いた識別器間の性能比較法についても紹介する。紹介した識別規則や学習規則について、統計解析環境Rを用いた実行例を示し、それらの特性について理解を深めることができるようにする。
セミナー詳細
| 開催日時 |
|
|---|---|
| 開催場所 | 日本テクノセンター研修室 |
| カテゴリー | ソフト・データ・画像・デザイン、研究開発・商品開発・ ビジネススキル |
| 受講対象者 | ・パターン認識に関する入門技術者の方 ・パターン認識技術を用いて予測、推定、認識、検出などの応用を考えている技術者の方 |
| 予備知識 | ・線形代数、統計の基礎知識があれば理解が深まります |
| 修得知識 | ・学習データを用いた汎化能力の推定法 ・ROC曲線を用いた認識システム間の性能比較手法 ・ｋNN、パーセプトロン、SVMなどの基本的なパターン認識技術の原理と特性 |
| プログラム |
１.パターン認識の概要
２.識別規則と学習アルゴリズムの概要
３.ベイズの識別規則
４.受信者動作特性曲線（ROC曲線）
５.ｋ最近傍法（kNN法）
６.パーセプトロン型学習規則
７.サポートベクトルマシン
８.部分空間法
９.識別器の組み合わせによる性能強化
１０.パターン認識の応用・例（認識・推定・検出） |
| キーワード | パターン認識 特徴抽出 識別規則 学習アルゴリズム ベイズ 部分空間法 R サポートベクトルマシン ROC曲線 kNN法 パーセプトロン型学習規則 |
| タグ | 統計・データ解析、信号処理、感性・脳科学・認知工学 |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
日本テクノセンター研修室〒 163-0722 東京都新宿区西新宿２－７－１ 新宿第一生命ビルディング（２２階）- JR「新宿駅」西口から徒歩10分 - 東京メトロ丸ノ内線「西新宿駅」から徒歩8分 - 都営大江戸線「都庁前駅」から徒歩5分 電話番号 : 03-5322-5888 FAX : 03-5322-5666 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日