1口(1社3名まで受講可能)でのお申込は、

 受講料 1口(1社3名まで受講可能)でのお申込みは、受講料5 が格安となります。

     

  ~各方式の基礎/Rを用いた実行例から、
      パーティクルフィルタを用いた夜間認識性能強化等の応用事例まで~

 機械学習を用いたパターン認識の基本と
 性能予測/性能比較手法および事例解説



 S171110N

----------------------------------

 


開催日時:2018年2月16日(金) 10:30-16:00 (10:00受付開始)

会  オームビル(東京都千代田区神田錦町3‐1)
                     【地下鉄】
                        メトロ東西線『竹橋駅』徒歩3分
                        都営三田線・新宿線・メトロ半蔵門線『神保町駅』徒歩7分
                        都営新宿線・メトロ千代田線『小川町駅』徒歩7分
                        メトロ丸ノ内線『淡路町駅』徒歩8分
                     【JR】
                        中央線・山手線・京浜東北線『神田駅』徒歩10分
                        中央線・総武線『御茶ノ水駅』徒歩11分

受 講 料:1人様受講の場合 46,000円[税別] / 1名

     1口でお申込の場合 57,000円[税別] / 1口(3名まで受講可能)

画像認識セミナー日程表  新宣伝セミナー日程表

 

 講 師


 平井 有三 氏    筑波大学 名誉教授


            <略歴>
               1975年4月 富士通株式会社
               1978年4月 筑波大学助手 電子・情報工学系
               1981年4月 筑波大学講師 電子・情報工学系
               1985年10月 筑波大学助教授 電子・情報工学系
               1992年10月 筑波大学教授 電子・情報工学系
               2004年4月 筑波大学大学院システム情報工学研究科 教授
               2011年10月 筑波大学教授 システム情報工学系
               2012年4月 筑波大学名誉教授


     <講師の言葉>
         機械学習とは、学習データから学んだ知識に基づいて「予測」を行う機能のことである。予測する対象が「クラス」の
        場合を「パターン認識」、「値」の場合を「回帰」などと呼んでいるが、多くの機械学習アルゴリズムはどちらの場合に
        も適用可能である。本講義では「パターン認識」について解説する。
         「パターン認識」は「特徴抽出」と「識別規則」と「学習規則」からなる。本講義では、パターン認識の分野で広く利
        用されている代表的な識別規則と学習規則について紹介する。特徴抽出は極めて重要であるが、認識対象ごとに考える必
        要があるので、本講義では応用事例の中で一例を紹介するにとどめる。
         学習データを用いて設計されたパターン認識装置は、実際に世の中で使用される場合にどの程度の性能(汎化能力とい
        う)を発揮できるか適切に予測する必要がある。それらの手法についても紹介する。また、ROC曲線を用いた識別器間の
        性能比較法についても紹介する。
         紹介した識別規則や学習規則ついて、統計解析環境Rを用いた実行例を示し、それらの特性について理解を深めることが
        できるようにする。

     <本セミナーで習得できること>
        ・学習データを用いた汎化能力の推定法
        ・ROC曲線を用いた認識システム間の性能比較手法
        ・パーセプトロン、SVMなどの基本的なパターン認識技術の原理と特性
        ・畳み込み型ニューラルネットワークの誤差逆伝搬法
        ・特徴抽出の大切さ難しさを実感してもらう
        ※プログラムの解説や計算機実装に関することは本セミナーでは行いません。


 講義項目

1.はじめに

 1)パターン認識とは
 2)特徴ベクトル空間と次元の呪い

2.識別規則と学習アルゴリズムの概要

 1)分類
 2)汎化能力の推定法

3.ベイズの識別規則

 1)最大事後確率基準
 2)ベイズの識別規則は誤り最小
 3)最小損失基準に基づくベイズの識別規則

4.受信者動作特性曲線(ROC曲線)

 1)ROC曲線の求め方
 2)ROC曲線による識別器間の性能比較
 3)等損失直線群による最適動作点の選択

5.パーセプトロン型学習規則

 1)パーセプトロンの学習規則/難しさの尺度
 2)誤差逆伝搬法の学習規則/学習特性
 3) 統計解析環境Rによる実行例

6.畳み込み型学習ニューラルネットワークの基礎

 1) ディープニューラルネットの誤差逆伝搬
 2) 畳み込み回路の誤差逆伝搬
 3) Bach Normalization Transformationの誤差逆伝搬
 4) Adam型学習速度制御方式
 5) 世の中の実際例

7.サポートベクトルマシン(SVM)

 1)サポートベクトルマシンの導出
   a)最適識別調平面
   b)KKT条件
 2)線形分離可能でない場合への拡張
 3)非線形特徴写像
 4)統計解析環境Rによる実行例

8.部分空間法

 1)部分空間とは
 2)主成分分析
 3)部分空間法
 4)統計解析環境Rによる実行例

9.応用事例:車載カメラによる道路交通標識の実時間認識

 1)標識候補の検出処理
   a)RANSACによる幾何学的パラメータの抽出
   b)HOG特徴と部分空間法による検出処理
 2)標識内部の特徴抽出と部分空間法による認識
   a)反対色フィルタによる標識内部特徴の抽出
   b)部分空間法による認識処理
 3)夜間の認識性能強化
   a)パーティクルフィルタを用いたリファインメント処理
   b)パーティクルフィルタを用いた同一標識のフレーム間追跡と移動平均によるノイズの低減




 お1人様      受講申込要領 1口(1社3名まで) 受講申込要領  セミナー 総合日程 画像認識 セミナー日程 新宣伝 セミナー日程