……Zoomオンライン受講
……見逃し視聴選択可
〇仕組みや利点などの基礎から時系列データの解析や予測への適用法、応用の好例であるロボット制御や異常検知への適用まで。
〇実例や最先端の研究成果を交えながらリザバーコンピューティングを解説！
講師
大阪大学 先導的学際研究機構附属 共生知能システム研究センター 准教授 河合 祐司 氏
講師紹介
2016年大阪大学 大学院工学研究科 知能・機能創成工学専攻 博士後期課程単位取得退学。2017年博士（工学）取得。2016年より、大阪大学 大学院工学研究科 特任助教、2017年より、同研究科 助教。2021年より、同大学先導的学際研究機構 特任准教授、2023年より、同機構 准教授。現在に至る。リザバーコンピューティングをはじめとするリカレントニューラルネットワーク技術を用いた計算論的神経科学及びブレインインスパイヤードコンピューティングの研究に従事。2024年より現在まで、IPA 未踏ターゲット事業（リザバーコンピューティング技術を活用したソフトウェア開発分野）プロジェクトマネージャーを務める。
＜その他関連セミナー＞
機械学習・AI 一覧はこちら
日時・受講料・お申込みフォーム
●日時：2025年10月22日(水) 10:30-16:30 ＊途中、お昼休みや小休憩を挟みます。
●受講料：
【オンライン受講（見逃し視聴なし）】：1名 50,600円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき39,600円
【オンライン受講（見逃し視聴あり）】：1名 56,100円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき45,100円
＊学校法人割引：学生、教員のご参加は受講料50％割引。→「セミナー申込要領・手順」を確認ください。
●録音・録画行為は固くお断りいたします。
お申込みはこちらから
配布資料・講師への質問など
●配布資料はPDFなどのデータで配布いたします。ダウンロード方法などはメールでご案内いたします。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡いたします。
・準備の都合上、開催1営業日前の12:00までにお申込みをお願いいたします。
（土、日、祝日は営業日としてカウントしません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。
●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●本講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売などは禁止いたします。
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@*********（*********にはjohokiko.co.jpを入れてください）
オンラインセミナーご受講に関する各種案内（必ずご確認の上、お申込みください。）
※メールアドレスの記載誤りについては、以下へご連絡お願いいたします。
req@*********（*********にはjohokiko.co.jpを入れてください）
→Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomで音声が聞こえない、カメラ・マイクが使えないなどの事象が起きる可能性がございます。お手数ですが、これらのアプリは閉じた状態にてZoomにご参加ください。
→音声が聞こえない場合の対処例
→一部のブラウザは音声が聞こえないなどの不具合が起きる可能性があります。
対応ブラウザをご確認の上、必ず事前のテストミーティング をお願いします。
（iOSやAndroidOS ご利用の場合は、アプリインストールが必須となります）
→見逃し視聴について、 こちらから問題なく視聴できるかご確認ください。（テスト視聴動画へ）パスワード「123456」
＜見逃し視聴ご案内の流れ・配信期間詳細＞
セミナーポイント
■はじめに：
リザバーコンピューティングは、高速かつ効率的なニューラルネットワーク技術として、高コストな深層学習を代替する時系列処理技術として注目されています。本セミナーでは、リザバーコンピューティングの基本的な仕組みや深層学習と比較したときの利点を解説し、時系列データの解析や予測への適用法について実例を交えながら説明します。特に、リザバーコンピューティング応用の好例といえるロボット制御と異常検知への適用について、最先端の研究成果を紹介します。
■受講対象者：
・非線形システムや時系列解析に関心がある方
・深層学習の代替的アプローチに興味を持つ方
・リザバーコンピューティングについて基本的な仕組みから学びたい方
■必要な予備知識：
大学1年生程度の線形代数の知識
■本セミナーで習得できること：
・リザバーコンピューティングの理論的背景と他の深層学習手法との差異・メリット
・時系列データの分類や予測におけるリザバーコンピューティングの適用法
・リザバーコンピューティングを用いた時系列データの異常検知手法
・振動駆動型など特殊なリザバーコンピューティングの利用法
など
セミナー内容
１．リザバーコンピューティングの基礎
1）深層学習の課題
a．ビッグデータと学習コスト
b．消費電力
c．エッジコンピューティング
2）ダイナミクスに基づく計算 ※ダイナミクス：システムやプロセスの経時変化を指します
a．ランダムニューラルネットワーク
b．記憶容量と非線形性
c．物理リザバーコンピューティング
3）ダイナミクスの特徴と学習則
a．エコーステートプロパティとスペクトル半径
b．最小二乗法
c．逐次最小二乗法とFORCE学習
4）ネットワーク構造の単純化と深層化
a．サイクルリザバー
b．ディープリザバー
２．リザバーコンピューティングの時系列解析・ロボット制御への実装事例
1）時系列の分類と予測
a．音声認識への応用
b．カオス時系列の予測
c．誤差に基づく時系列の異常検知
2）ロボット応用
a．制御則の学習
b．参照軌道の学習
c．運動誤差の補正
３．振動駆動リザバーコンピューティングへの応用
1）振動駆動リザバーコンピューティングの基礎
a．タイミングの学習
b．カオス時系列の予測
2）振動駆動リザバーコンピューティングの応用
a．電力需要の予測
b．工場ラインの異常検知
＜質疑応答＞
お申込みはこちらから
セミナーコード：AD251014
