『小規模データに対する機械学習の効果的適用法』

〜関数推定 / 異常検知 / 深層学習 / 進化的機械学習〜　

＜経歴、等＞	東京工業大学大学院出身、東京工業大学助手・助教授を経て、2001年より現職。YNU人工知能研究拠点長。情報工学EP代表。経産省NEDO「共進化AIプロジェクト」採択課題研究代表者、横浜国大発ベンチャー　株式会社マシンインテリジェンスCTO。
＜研究＞	知能情報学／機械学習／感性情報処理／知的画像処理／進化計算法／マルチエージェント／医工連携工学など。
＜学会＞	情報処理学会、電子情報通信学会、電気学会、人工知能学、進化計算学会、IEEEなどに所属して各学会で活動中。

　

　

　1　機械学習の現状と課題
　　1.1　人工知能と機械学習
　　1.2　機械学習の種類と方法
　　1.3　教師あり／なし／半教師あり学習
　　1.4　深層学習（ディープラーニング）概論
　　1.5　少量データを用いた機械学習とは？

　2　少量データを用いた機械学習1：関数推定
　　2.1　ベイズ最適化に基づく関数推定
　　2.2　遺伝的プログラミング（GP）による関数推定
　　2.3　CGP（Cartesian GP）による関数推定

　3　少量データを用いた機械学習2：異常検知
　　3.1　1クラスSVM（Support Vector Machine）
　　3.2　CAE（Convolutional Auto Encoder）による異常検知
　　3.3　異常検知における学習データの水増し

　4　少量データを用いた機械学習3：少量データによる深層学習
　　4.1　CG（Computer Graphics）を用いた機械学習
　　4.2　GAN（Generative Adversarial Network）による水増し
　　4.3　転移学習と蒸留・浸透学習（Percolative Learning）

　5　少量データを用いた機械学習4：進化的機械学習
　　5.1　進化計算法の原理と特徴
　　5.2　処理プロセスの自動生成
　　5.3　分かり易い分類器の自動生成
　　5.4　CS（Classifier System）によるルールの学習

　6　AIの業務への導入方法
　　6.1　AI導入時の注意点
　　6.2　AI人材の育成方法について

　7　まとめ