• 2022年06月14日(火) 10:30 ~ 17:30

第一部　　時系列解析の基礎：入門からＡＲＩＭＡ、ＧＡＲＣＨまで

１．R言語による時系列データ
　　（１）．R言語入門
　　（２）．plot、傾向、季節変動
　　　　ａ．例： 飛行機の乗客の推移、失業率の推移、消費財と電力の推移、ポンドとNZドル、気候データ

２．相関: 傾向と季節変動解析後、より良い予測のために！
　　（１）．期待値
　　　　ａ．例： 大気汚染、波の高さ
　　（２）．コレログラム
　　　　ａ．例： 飛行機の乗客の推移(再)、貯水池
　　（３）．共分散

３．予測の戦略： 効率的な予測のために！
　　（１）．先行変数と付属変数
　　　　ａ．例： 建築許可件数、ガス供給
　　（２）．バス・モデル
　　　　ａ．例： ビデオテープ販売数
　　（３）．ホルト-ウィンターズ法
　　　　ａ．例： 自動車会社への苦情、オーストラリア・ワイン販売

４．基礎確率モデルによるデータ解析とその応用例
　　（１）．ホワイト・ノイズ
　　　　ａ．例： ホワイト・ノイズの生成
　　（２）．ランダム・ウォーク
　　　　ａ．例： ランダム・ウォークのシミュレーション、ポンドとNZドル(再)、ヒューレット・パッカードの株式
　　（３）．自己回帰(AR、AutoRegressive)モデル
　　　　ａ．例： シミュレーション、為替レート

５．時系列の傾向を解析するための回帰
　　（１）．線形モデル
　　（２）．定常過程
　　　　ａ．例： シミュレーション
　　（３）．季節変動を伴う線形モデル
　　　　ａ．例： 気候データ(再)
　
６．定常モデル： 明らかな傾向や季節変動がない時のためのモデル
　　（１）．強定常系列
　　（２）．移動平均(MA、Moving average)モデル
　　　　ａ．例： シミュレーション
　　（３）．コレログラム
　　　　ａ．例： ポンドとNZドル(再)
　　（４）．混合モデル： ARMA
　　　　ａ．例： 為替レート(再)、電力の推移(再)、波の高さ(再)

７．非定常モデル： 傾向や季節変動がある時のためのモデル
　　（１）．非季節性ARIMAモデル
　　　　ａ．例： 電力の推移(再)
　　（２）．季節性ARIMAモデル
　　　　ａ．例： 電力の推移(再)
　　（３）．ARCHモデル
　　　　ａ．例： S&P５００時系列
　　（４）．GARCHモデル
　　　　ａ．例： シミュレーション、S&P５００時系列(再)、気候データ(再)

第二部　　社会インフラ・製造分野向け時系列波形異常診断技術

１．時系列波形異常診断技術の基礎
　　（１）．一般的なクラス分類（判別）技術
　　（２）．時系列波形データの特徴
　　（３）．代表的な時系列波形データのクラス分類（判別）技術

２．異常検知技術の基礎
　　（１）．異常データが少ない場合への対応
　　（２）．異常データを学習時に用いない代表技術
　　（３）．代表的な分類性能指標（ＡＵＣやＦ値など）
　　
３．社会インフラや製造分野における時系列波形異常検知の課題
　　（１）．課題１：説明性
　　（２）．課題２：異常データの希少性
　　（３）．課題３：見逃しまたは誤検出を厳しく抑えた分類性能の向上

４．社会インフラや製造分野向け時系列波形異常検知技術の開発
　　（１）．課題１を解決するshapelets学習法
　　（２）．課題１と２を解決する技術ＯＣＬＴＳ
　　（３）．課題１と３を解決する技術ＬＴＳｐＡＵＣ
　　（４）．社会インフラや製造分野向け最新のshapelets学習法
　　（５）．製造工場などへの適用事例

講師：

（株）東芝　東芝研究開発センター 知能化システム研究所 システムＡＩラボラトリー

　　　　　　　　　　　　　　　　　　　エキスパート　博士(情報科学)　山口　晃広　氏

オンラインセミナー