セミナー　ベイズ推定　信号処理　確率モデル　推論技術　不確かさ　ノイズ　確率分布　確率変数　確率的信号処理　画像処理　モンテカルロ法　変分ベイズ法　小樽商科大学　片岡駿

S200827A

　☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆

　

開催日時：2020年8月27日（木）11:00-17:00
受講料：お1人様受講の場合　49,950円[税別]／1名
　　　　　1口でお申込の場合　59,000円[税別]／1口（3名まで受講可能）

　★本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、
　お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。

　★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。
　講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。

　★受講中の録音・撮影等は固くお断りいたします。

　　　小樽商科大学商学部社会情報学科准教授（博士（情報科学））　

＜略歴＞	平成21年　東北大学　工学部　電気情報・物理工学科（情報工学コース）　卒業　平成23年　東北大学大学院　情報科学研究科　応用情報科学専攻　博士課程前期2年の課程　修了　平成26年　東北大学大学院　情報科学研究科　応用情報科学専攻　博士課程後期3年の課程　修了　平成26年　日本学術振興会　特別研究員PD（平成26年4月～9月）　平成26年　東北大学大学院　情報科学研究科　応用情報科学専攻　助教（平成26年10月〜平成30年3月）　平成30年　小樽商科大学　商学部　社会情報学科　准教授

　本講義ではベイズ推定を用いた信号処理について扱います．
　ベイズ推定とは確率モデルを用いて確率的に物事を推定する推論技術であり，「不確かさ」を確率という自然な形で扱うことができるため，ノイズ等の不確かさを扱う信号処理の分野とはとても相性が良い方法論であると言うことができます．しかしながら，このような確率モデルを利用する方法は必要となる前提知識が多く，初学者にとって参入障壁が多いことも事実です．
　本講義では，ベイズ推定を用いた信号処理の方法について，その基礎から解説します．確率分布の基本的な部分から始め，確率モデルを用いた信号処理の基礎理論からその応用までの考え方を解説していきます．内容の性質上，数式が多数登場しますが，必要に応じで内容を補足していきます．

『ベイズ推定を用いた信号処理の基礎』

S200827A

片岡　駿（かたおかしゅん）　氏

小樽商科大学商学部社会情報学科准教授（博士（情報科学））

1　はじめに

2　確率の準備

2.1　確率の定義
　　2.2　確率変数と確率分布
　　2.3　確率の計算規則

3　確率的信号処理の基礎

3.1　確率と信号処理
　　3.2　確率的信号処理の考え方
　　3.3　画像処理への応用

4　実用のための計算手法

4.1　確率的方法の欠点
　　4.2　モンテカルロ法
　　4.3　変分ベイズ法

5　実装例

まとめ

『ベイズ推定を用いた信号処理の基礎』

S200827A

片岡 駿（かたおかしゅん） 氏

小樽商科大学 商学部 社会情報学科 准教授（博士（情報科学））

1 はじめに

2 確率の準備

2.1 確率の定義 2.2 確率変数と確率分布 2.3 確率の計算規則

3 確率的信号処理の基礎

3.1 確率と信号処理 3.2 確率的信号処理の考え方 3.3 画像処理への応用

4 実用のための計算手法

4.1 確率的方法の欠点 4.2 モンテカルロ法 4.3 変分ベイズ法

5 実装例

まとめ

『ベイズ推定を用いた信号処理の基礎』　

　片岡　駿（かたおかしゅん）　氏　

　　　小樽商科大学商学部社会情報学科准教授（博士（情報科学））　

　1　はじめに

　2　確率の準備

　　2.1　確率の定義
　　2.2　確率変数と確率分布
　　2.3　確率の計算規則

　3　確率的信号処理の基礎

　　3.1　確率と信号処理
　　3.2　確率的信号処理の考え方
　　3.3　画像処理への応用

　4　実用のための計算手法

　　4.1　確率的方法の欠点
　　4.2　モンテカルロ法
　　4.3　変分ベイズ法

　5　実装例

　まとめ