……Zoomオンライン受講
……見逃し視聴選択可
★センサを用いて実世界の状態や物理現象を信号・画像として取得する、フィジカルAIを構成する中核的技術である知的センシングに関して、各種ニューラルネットワーク・ディープラーニングの原理から、異常音検出・運転危険度予測等の応用事例、Mask R-CNNや転移学習を用いた外観・表面自動検査システムの構築例などを通して、生産現場へ実装するための実践的な手法を解説。
講師
愛知産業大学 スマートデザイン学科 教授
博士(工学)
章 忠 氏
講師紹介
■経歴
1993年岡山大学大学院博士課程修了。2004年まで岡山県工業技術センター 計測制御研究室長・専門研究員、岡山県立大学大学院・助教授。1998年9月から1999年3月までオーストラリア Melbourne大学客員研究員。2004年10月から2020年3月まで豊橋技術科学大学大学院工学研究科・教授、2020年4月から2025年3月まで広島工業大学工学部知能機械工学科・教授。振動騒音の計測制御、信号処理および異常診断、ウェーブレット変換およびIOT・AI技術の応用などの研究に従事。現在、愛知産業大学造形学部スマートデザイン学科・教授、豊橋技術科学大学名誉教授。
■専門および得意な分野・研究
計測工学、知的センシング、信号・画像処理
■本テーマ関連学協会での活動
信号処理学会、計測自動制御学会、電子情報通信学会
<その他関連商品>
エレクトロニクス・デバイス技術 一覧はこちら
日時・受講料・お申込みフォーム
●日時:2027年2月19日(金) 13:00-17:00 *途中、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 46,200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35,200円
【オンライン受講(見逃し視聴あり)】:1名 51,700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40,700円
*「見逃し視聴あり」でお申込の場合、当日のご参加が難しい方も後日セミナー動画の視聴が可能です。
各種割引について
*5名以上でのお申込の場合、更なる割引制度もございます。
ご希望の方は、以下より別途お問い合わせ・お申込みください。
req@*********(*********にはjohokiko.co.jpを入れてください)
*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。
お申込みはこちらから
商品コード:AD270249
配布資料・講師への質問など
●配布資料は、印刷物を郵送で1部送付いたします。
・お申込みの際にお受け取り可能な住所を必ずご記入ください。
・郵送の都合上、お申込みは4営業日前までを推奨します。(土、日、祝日は営業日としてカウントしません。)
・それ以降でもお申込みはお受けしておりますが(開催1営業日前の12:00まで)、その場合、テキスト到着がセミナー後になる可能性がございます。ご了承の上お申込みください。
・資料未達の場合などを除き、資料の再配布はご対応できかねますのでご了承ください。
●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。)
●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
■講座のポイント
本セミナーでは、フィジカルAIやロボティクスの核となる「知的センシング技術」の基礎から現場実装の最新動向までを解説します。画面内のデジタル情報(閉じた世界)で完結する生成AIに対し、フィジカルAIが挑む現実世界(実世界)データはノイズや環境変化が多く、扱う難しさがあります。本講演ではこの課題解決アプローチを考察します。具体的には、AI・ディープラーニングの基礎原理から、異常音や水道管漏水の検出例、Mask R-CNNと転移学習を用いた光沢部品の自動検査システムまで、実世界の多様な課題を克服し、ロボティクスや生産現場へ実装するための実践的手法を提示します。
■受講後、習得できること
・ニューラルネットワークに関する基礎知識
・ニューラルネットワークを活用するテクニック
・ディープラーニングの基礎知識と活用のテクニック
・ディープラーニングを用いてシステムを構築する知識と技術
■受講対象
・AI技術の未経験者
・製造業務にたずさわって2~3年の若手技術者・新人の方 など
セミナー内容
0.はじめに
0-1.フィジカルAIと生成AIの違い
0-2.知的センシングのフィジカルAIにおける位置づけ
1.人工知能(AI)と脳の情報処理
1-1.人工知能(AI)について
1-1-1.人工知能(AI)とは
1-1-2.脳の情報取得・データ処理の仕組みと流れ
1-1-3.脳の情報処理とニューラルネットワーク
1-2.機械学習とニューラルネットワーク
1-2-1.機械学習(Machine Learning)の基礎
1-2-2.機械学習・深層学習・ニューラルネットワーク
1-3.機械学習とニューラルネットワークの各種モデル
1-3-1.相互結合型ニューラルネットワークモデル
1-3-2.階層型ニューラルネットワークモデル
1-4.深層学習とディープラーニング
1-4-1.深層学習と転移学習
1-4-2.代表的なディープラーニング
1-5.深層学習とビックデータ
1-5-1.良質な学習データが必要
1-5-2.公開された巨大なデータセットを積極的に利用
2.ニューラルネットワークの各種モデルとその知能化センシングへの応用例
2-1.相互結合モデルと応用例
2-1-1.セルラーニューラルネットワーク(CNN)と異常音検出への応用
2-1-2.動的ネットワーク(DRN)とセンサフュージョンへの応用
2-1-3.自己組織マップネットワーク(SOM)とロボット音源定位への応用
2-1-4.ベイジアンネットワークと運転危険度予測への応用
2-2.階層型モデルと応用例
2-2-1.階層型ニューラルネットワークと肝臓病識別問題への応用
2-2-2.サポートベクトルマシンとプリント基板欠陥検査への応用
2-2-3.階層型ニューラルネットワークと特徴抽出における次元削減への応用
2-2-4.階層型ニューラルネットワークと漫然運転の時系列予測問題への応用
3.ディープラーニングの一種である畳み込みニューラルネットワークと応用例
3-1.畳み込みニューラルネットワーク
3-1-1.現在の多層型ニューラルネットワークの限界と課題
3-1-2.新たな畳み込みニューラルネットワーク(CNN)の原理
3-1-3.これまでに提案された代表的なCNNの各種
3-1-4.CNNの水道管漏水検出への応用例
3-1-5.CNNの一種であるOpenPoseの運転行動抽出への応用例
3-2.Mask R-CNNとその表面検査システムへの応用
3-2-1.CNNの表面検査への応用例
3-2-2.CNNのみ検査システムの課題点
3-2-3.Mask R-CNNの特徴
3-2-4.Mask R-CNNを用いる表面自動検査システムの構成
3-2-5.画像計測部の基本構成
3-2-6.欠陥検査部の構成と構築
3-2-7.欠陥検出精度の評価
3-3.期待される今後の応用展開
<終了後、質疑応答>
お申込みはこちらから


