開催主旨

　深層学習（Deep Learning）などに代表される現在の機械学習において、高精度な処理を構築するためには大規模な回路を用いて大量のデータを学習することが一般的です。ただし、構築に要するコストが大きいことがいまも課題となっています。一方， 機械学習を用いるケースによっては、例えば装置への組み込みや小規模システムへの実装などでは、小規模な回路と少ない学習データを用いての高精度な処理の構築が求められます。

　本セミナーでは、これらを可能にする手法として、深層回路の構造最適化・低コスト化や、学習効率・学習データの最適化・低コスト化に加え、講師らが独自開発した「浸透学習法」による最適化と低コスト化手法を解説します。

　浸透学習法は、学習時のみ利用可能なAux data（補助データ）が有する知識を、運用時に利用するMain data（主データ）の処理経路に「浸透」させて学習する手法であり、運用時のデータ（Main data）にもとづいて高精度な予測器や分類器を構築できます。このような学習プロセスにより、構築したモデルは、運用時にAux dataがなくても、Main dateにもとづき高い予測能力や識別能力を発揮できます。例えば、ものづくり現場においては、耐久性データ（Aux date）を学習時に利用し、製造直後の簡単な検査データ（Main data）から高精度な品質・寿命予測を行えます。将来の変動予測や高精度な時系列予測で効果を発揮するほか、マルチモーダル認識への応用も可能です。

　なお、セミナーの終盤には、受講生の方々と講師によるフリーディスカッションの時間も設けており、本講座への理解と自社への適用にかかる知識を深めることができます。

　特に、機械学習の最適化・小型化・低コスト化を検討されている方の参加をお勧めします。