１．音と振動からの異常検知の基礎

（１）．音と振動からの異常検知のねらい

（２）．技術開発における全体の流れ

（３）．課題の難易度をどのように見極めるか？

（４）．手法の選択における落とし穴

（５）．取り組みにおける時間軸の設定

（６）．画像による外観検査との違い

２．時系列データの特徴量への変換

（１）．時間波形を特徴量に変換することの意味

（２）．異常検知モデルにおける周波数分析の役割

（３）．畳み込みニューラルネットワーク（CNN）と周波数分析との関係

（４）．音と振動からの異常検知における可視化

３．異常検知への機械学習と深層学習の適用

（１）．機械学習による異常検知（k-近傍法、混合正規分布など）

（２）．自己符号化器と変分自己符号化器による異常検知

（３）．畳み込みニューラルネットワーク（１次元、２次元）の適用

（４）．注意機構の異常検知への適用とその意味

（５）．先端的な手法と古典的な手法をどのように使い分けるか？

４．自己教師あり学習と異常検知

（１）．言語・音声・画像分野における自己教師あり学習

（２）．対比学習による特徴空間への変換

（３）．マスクを用いた自己教師あり学習（BERT型）

（４）．過去の系列から次を予測するタスクによる自己教師あり学習（GPT型）

（５）．フローモデルによる生成と異常検知との関係

（６）．拡散モデルと自己教師あり学習の組み合わせ

５．技術動向の解説と今後の展望

（１）．振動による異常検知の事例の紹介（機械装置）

（２）．機械音からの異常検知の国際的な技術コンペの解説

（DCASE task２、２０２０、 ２０２１、 ２０２２）

（３）．非常に速い技術の進展にどのように対応すべきか？

（４）．今後の展望