～ 特徴量と特徴空間、ニューラルネットワーク、異常サンプルがない・少量の場合の対応方法、ディープラーニングによる異常検知技術 ～
異常検知技術でデータが少ない、無い場合のディープラーニング手法を外観検査に効果的に応用するための講座
異常サンプルデータがない、少ない場合での異常検知技術をシステムの精度向上に応用する特別セミナー！
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
ディープラーニングによる異常検知技術の基礎と外観検査への応用：サンプルデータがない、少ない場合の対応法 ＜オンラインセミナー＞
講師の言葉
近年、ディープラーニングによる画像認識は目覚ましい発展を遂げており、これらの成果は実利用の段階に入った。
工場などの生産現場では、古くから画像認識による外観検査や異常検知が導入されているが、これらにディープラーニングを導入することで飛躍的な精度の向上を行った事例が報告されつつある。一方で、異常検知技術でデータが少ない、無い場合のディープラーニング手法を外観検査に効果的に応用する場合には、外観検査、異常検知ゆえの問題がある。
本セミナーでは、ディープラーニングの基礎から、異常検知の考え方、異常検知の問題点、最新動向、場面による方法の選択方法、ネットワークの評価方法についての講義を行う。
セミナー詳細
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、電気・機械・メカトロ・設備、ソフト・データ・画像・デザイン、品質・生産管理・ コスト・安全 |
| 受講対象者 |
・システム、ソフト、画像処理、外観検査ほか関連部門の技術者の方 ・ディープラーニングの基礎から、最新の外観検査システム、異常検知システムを修得したい方 ・また、導入に際し方法の評価方法などの知識を得たい方 ＊本講座は、基本は画像認識を対象としていますが、信号、音声などの1次元情報についても応用できます |
| 予備知識 | ・高校理系数学や情報工学の基礎知識 |
| 修得知識 |
・ディープラーニングの基礎知識とその考え方 ・異常検知の考え方と最新技術動向 ・導入する際にどの方法が最適かを判断する能力 ・システムの評価方法 |
| プログラム |
１．特徴量と特徴空間 （１）．特徴量とは （２）．特徴空間 （３）．クラスの概念
２．識別問題 （１）．識別問題とは （２）．線形識別法 （３）．異常検知の考え方
３．ニューラルネットワークの基礎 （１）．単純パーセプトロン （２）．３層ニューラルネットワーク （３）．畳み込みニューラルネットワーク
４．異常サンプルがない場合の方法 （１）．オートエンコーダ ａ．オートエンコーダの基礎 ｂ．畳み込みオートエンコーダ ｃ．オートエンコーダの復元による異常検知 （２）．Generative Adversarial Networks ａ．GANの基礎 ｂ．GANによる異常検知 （３）．Deep SVDD ａ．Deep SVDDの基礎 ｂ．Deep SVDDによる異常検知 ｃ．オートエンコーダ＋Deep SVDD
５．異常サンプルが少量ある場合の方法 （１）．Adversarial Auto Encoderを用いた異常検知 （２）．メトリックラーニングを利用した異常検知
６．評価方法 （１）．Confusion matrix （２）．ROCカーブとAUC （３）．異常検知における性能評価
７．ディープラーニングによる異常検知技術と実例 ・異常検知、外観検査の実例 |
| キーワード | 機械学習 ディープラーニング 強化学習 教師なし学習 自己組織化マップ 異常検知 時系列データ 非正規データ 画像認識 外観検査 特徴量 ニューラルネットワーク GAN |
| タグ | AI・機械学習、通信、シミュレーション・解析、ソフト品質、データ解析、センサ、画像認識 |
| 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 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
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