• 2017年12月14日(木) 10:30 ～ 17:30

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

大阪会場 (たかつガーデン)