• 2017年09月07日(木) 10:30 ～ 17:30

１．実世界センシング技術
　　（１）．センサ技術の進展と普及: ウェアラブルセンサ、スマートフォンセンサ、スマートウォッチ、センサネット
　　（２）．実世界センサデータからのパターン認識: 行動認識技術と屋内位置測位技術
　　（３）．実世界センシングの応用例: 屋内ナビゲーション、独居高齢者見守り、ヘルスケア、スマートフォンゲーム、作業分析

２．実世界データ処理の基礎
　　（１）．さまざまなデータとその前処理: 時系列データ、画像、音声、深度データ（Kinect）
　　（２）．距離計算と近傍探索: DPマッチング、混合ガウスモデル(GMM)とKLダイバージェンス
　　（３）．クラスタリング: k-means法、x-means法、階層的クラスタリング
　　（４）．判別分析: SVM(サポートベクターマシン)、決定木、ランダムフォレスト
　　（５）．系列モデル: 隠れマルコフモデル（HMM）、条件付き確率場 (CRF)
　　（６）．回帰分析: 線形回帰、ロジスティック回帰、ランダムフォレスト回帰
　　（７）．予測

３．行動認識手法
　　（１）．身体に装着した加速度センサを用いたジェスチャ・行動認識
　　（２）．環境に設置したセンサやマイク、カメラ、深度センサ映像を用いた行動認識
　　（３）．スマートフォンセンサデータを用いた行動認識

４．屋内位置推定手法
　　（１）．Wi-Fi（無線LAN）電波・iBeaconを用いた屋内位置推定
　　（２）．慣性センサを用いた歩行者デッドレコニング
　　（３）．カメラ画像を用いた位置推定

５．最新の手法を用いた実世界データ処理
　　（１）．実運用・実データ処理の難しさ
　　（２）．センサデータのノイズ・ゆらぎ: パーティクルフィルタ、アンサンブル学習を用いたロバストな推定
　　（３）．次元の呪い: 主成分分析(PCA)、スパースコーディングによる次元削減
　　（４）．異種センサデータ: マルチカーネル学習（MKL）による行動認識
　　（５）．トレーニングデータ収集コスト: 半教師あり学習、転移学習、適応技術(MAP適応、MLLR適応)、ノンパラメトリックベイズ
　　（６）．大量のデータを学習: ディープラーニング

６．実装にむけて
　　（１）．センサデバイス実装
　　（２）．スマートフォンセンサの利用
　　（３）．データマイニング・パターン認識ツール

７．おわりに

日本テクノセンター研修室